未验证 提交 b85344a3 编写于 作者: X Xiaoyao Xi 提交者: GitHub

Update README.md

上级 236c6bca
......@@ -277,19 +277,21 @@ for_cn: True
所有的内置reader,均支持以下字段
- vocab_path(REQUIRED):str类型。字典文件路径。
- max_seq_len(REQUIRED):int类型。切词后的序列最大长度(即token ids的最大长度)。注意经过分词后,token ids的数量往往多于原始的单词数(e.g., 使用wordpiece tokenizer时)。
- batch_size(REQUIRED):int类型。训练或预测时的批大小(每个step喂入神经网络的样本数)。
- train_file(REQUIRED):str类型。训练集文件所在路径。仅进行预测时,该字段可不设置。
- pred_file(REQUIRED):str类型。测试集文件所在路径。仅进行训练时,该字段可不设置。
- do_lower_case(OPTIONAL):bool类型,默认为False。是否将大写英文字母转换成小写。
- shuffle(OPTIONAL):bool类型,默认为True。训练阶段打乱数据集样本的标志位,当置为True时,对数据集的样本进行全局打乱。注意,该标志位的设置不会影响预测阶段(预测阶段不会shuffle数据集)。
- seed(OPTIONAL):int类型,默认为。
- pred_batch_size(OPTIONAL):int类型。预测阶段的批大小,当该参数未设置时,预测阶段的批大小取决于`batch_size`字段的值。
- print_first_n(OPTIONAL):int类型。打印数据集的前n条样本和对应的reader输出,默认为0。
```yaml
- vocab_path(REQUIRED): str类型。字典文件路径。
- max_seq_len(REQUIRED): int类型。切词后的序列最大长度(即token ids的最大长度)。注意经过分词后,token ids的数量往往多于原始的单词数(e.g., 使用wordpiece tokenizer时)。
- batch_size(REQUIRED): int类型。训练或预测时的批大小(每个step喂入神经网络的样本数)。
- train_file(REQUIRED): str类型。训练集文件所在路径。仅进行预测时,该字段可不设置。
- pred_file(REQUIRED): str类型。测试集文件所在路径。仅进行训练时,该字段可不设置。
- do_lower_case(OPTIONAL): bool类型,默认为False。是否将大写英文字母转换成小写。
- shuffle(OPTIONAL): bool类型,默认为True。训练阶段打乱数据集样本的标志位,当置为True时,对数据集的样本进行全局打乱。注意,该标志位的设置不会影响预测阶段(预测阶段不会shuffle数据集)。
- seed(OPTIONAL): int类型,默认为。
- pred_batch_size(OPTIONAL): int类型。预测阶段的批大小,当该参数未设置时,预测阶段的批大小取决于`batch_size`字段的值。
- print_first_n(OPTIONAL): int类型。打印数据集的前n条样本和对应的reader输出,默认为0。
```
### 文本分类数据集reader(`cls`)
### 文本分类数据集reader工具:cls
该reader完成文本分类数据集的载入与处理,reader接受[tsv格式](https://en.wikipedia.org/wiki/Tab-separated_values)的数据集输入,数据集应该包含两列,一列为样本标签`label`,一列为原始文本`text_a`。形如
......@@ -304,20 +306,44 @@ label text_a
该reader额外包含以下配置字段
- n_classes(REQUIRED):int类型。分类任务的类别数。
```yaml
- n_classes(REQUIRED): int类型。分类任务的类别数。
```
### 文本匹配数据集reader(`match`)
### 文本匹配数据集reader工具:match
该reader完成文本匹配数据集的载入与处理,reader接受[tsv格式](https://en.wikipedia.org/wiki/Tab-separated_values)的数据集输入,数据集应该包含三列,一列为样本标签`label`,其余两列分别为待匹配的文本`text_a`和文本`text_b`,形如
```yaml
label text_a text_b
1 From what work of Durkheim's was interaction ritual theory derived? **[TAB]** Subsequent to these developments, Randall Collins (2004) formulated his interaction ritual theory by drawing on Durkheim's work on totemic rituals that was extended by Goffman (1964/2013; 1967) into everyday focused encounters. Based on interaction ritual theory, we experience different levels
0 where is port au prince located in haiti **[TAB]** Its population is difficult to ascertain due to the rapid growth of slums in the hillsides
0 What is the world’s first-ever pilsner type blond lager, the company also awarded the Master Homebrewer Competition held in San Francisco to an award-winning brewer who won the prestigious American Homebrewers Associations' Homebrewer of the Year award in 2013? **[TAB]** of the Year award in 2013, becoming the first woman in thirty years, and the first African American person ever to ever win the award.
1 What has Pakistan told phone companies? **[TAB]** Islamabad, Pakistan (CNN) -- Under heavy criticism for a telling cell phone carriers to ban certain words in text messages, the Pakistan Telecommunication Authority went into damage control mode Wednesday.
```
***注意:数据集的第一列必须为header,即标注每一列的列名***
### 机器阅读理解数据集reader工具:mrc
### 掩码语言模型数据集reader工具:mlm
## 内置主干网络(backbone)
### BERT
### ERNIE
## 内置任务范式(paradigm)
### 分类任务
### 匹配任务
### 机器阅读理解任务
### 掩码语言模型任务
## License
This tutorial is contributed by [PaddlePaddle](https://github.com/PaddlePaddle/Paddle) and licensed under the [Apache-2.0 license](https://github.com/PaddlePaddle/models/blob/develop/LICENSE).
......
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册