paddle-ernie 0.0.4.dev1

English|简体中文

ERNIE是百度开创性提出的基于知识增强的持续学习语义理解框架，该框架将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义等方面的知识，实现模型效果不断进化。ERNIE在情感分析、文本匹配、自然语言推理、词法分析、阅读理解、智能问答等16个公开数据集上全面显著超越世界领先技术，在国际权威的通用语言理解评估基准GLUE上，得分首次突破90分，获得全球第一。在今年3月落下帷幕的全球最大语义评测SemEval 2020上，ERNIE摘得5项世界冠军， 该技术也被全球顶级科技商业杂志《麻省理工科技评论》官方网站报道，相关创新成果也被国际顶级学术会议AAAI、IJCAI收录。ERNIE在工业界得到了大规模应用，如搜索引擎、新闻推荐、广告系统、语音交互、智能客服等。

提醒: ERNIE老版本代码已经迁移至repro分支，欢迎使用我们全新升级的基于动静结合的新版ERNIE套件进行开发。另外，也欢迎上EasyDL体验更丰富的功能（如ERNIE 2.0、ERNIE 2.1、ERNIE领域模型等）。

新闻

• 2020.5.20:
  • 欢迎试用动态图实现的 ERNIE:
    • 基于PaddlePaddle v1.8使用 ERNIE 进行 Pretrain 和 Finetune.
    • 动态执行, 所见即所得。
    • 大规模分布式训练。
    • 易于部署。
    • 通过Aistudio 教程快速入门NLP。
    • 向后兼容老版 checkpoint。
  • ERNIE-GEN 模型正式开源! (点击进入)
    • 最强文本生成预训练模型正式开源，相关工作已被 IJCAI-2020 收录。
      • 首次把 ERNIE 预训练技术能力扩展至文本生成领域，在多个典型任务上取得最佳。
      • 您现在即可下载论文报告的所有模型（包含 ^{}）。
    • 首次在预训练阶段加入span-by-span 生成任务，让模型每次能够生成一个语义完整的片段。
    • 提出填充式生成机制和噪声感知机制来缓解曝光偏差问题。
    • 精巧的 Mulit-Flow Attention 实现框架。
• 2020.4.30 发布ERNIESage， 一种新型图神经网络模型，采用ERNIE做为aggreagtor. 由PGL实现。
• 2020.3.27 在SemEval2020五项子任务上夺冠。
• 2019.12.26 GLUE榜第一名。
• 2019.11.6 发布ERNIE Tiny。
• 2019.7.7 发布ERNIE 2.0。
• 2019.3.16 发布ERNIE 1.0。

导航

• 教程
• 安装
• 支持的NLP任务
• 预训练(ERNIE 1.0)
• 在线预测
• 蒸馏

快速上手

importnumpyasnpimportpaddle.fluid.dygraphasDfromernie.tokenizing_ernieimportErnieTokenizerfromernie.modeling_ernieimportErnieModelD.guard().__enter__()# activate paddle `dygrpah` modemodel=ErnieModel.from_pretrained('ernie-1.0')# Try to get pretrained model from server, make sure you have network connectionmodel.eval()tokenizer=ErnieTokenizer.from_pretrained('ernie-1.0')ids,_=tokenizer.encode('hello world')ids=D.to_variable(np.expand_dims(ids,0))# insert extra `batch` dimensionpooled,encoded=model(ids)# eager executionprint(pooled.numpy())# convert  results to numpy

教程

手边没有GPU？欢迎在AIStudio中直接试用 ERNIE. (请选择最新版本的教程并申请GPU运行环境)

1. 从0开始学ERNIE
2. 情感识别
3. 完形填空
4. 知识蒸馏
5. 万事不决问ERNIE
6. 加载并读取老式checkpoint
7. ERNIE作诗

安装

1. 安装 PaddlePaddle

本项目依赖PaddlePaddle 1.7.0+， 请参考这里安装 PaddlePaddle。

2. 安装 ERNIE 套件

pip install paddle-ernie

或者

git clone https://github.com/PaddlePaddle/ERNIE.git --depth 1cd ERNIE
pip install -r requirements.txt
pip install -e .

propeller是辅助模型训练的高级框架，包含NLP常用的前、后处理流程。你可以通过将本repo根目录放入PYTHONPATH的方式导入propeller:

exportPYTHONPATH=$PWD:$PYTHONPATH

3. 下载预训练模型（可选）

运行此脚本，下载GLUE datasets.

请将数据目录整理成以下格式，方便在后续 demo 教程中使用（通过--data_dir参数将数据路径传入训练脚本）；

data/xnli
├── dev
│   └── 1
├── test
│   └── 1
└── train
    └── 1

示例数据（MNLI任务测试、训练集合）。

中文数据

支持的NLP任务

• 使用 动态图 模型进行finetune:

python3 ./ernie_d/demo/finetune_classifier_dygraph.py \
       --from_pretrained ernie-1.0 \
       --data_dir ./data/xnli  

• 分布式 finetune

paddle.distributed.launch 是一个进程管理器，我们采用它在每一张GPU上启动一个python进程，并配置相应的环境变量以进行分布式训练:

当采用分布式训练时，我们采用max_steps做为终止条件而非epoch, 这样处理是为了避免进程间死锁。 你可以通过EPOCH * NUM_TRAIN_EXAMPLES / TOTAL_BATCH的方式计算出所需执行的max_steps. 另外值得注意的是训练集需要在不同的进程间进行切分；以避免所有进程训练同一份数据造成的过拟合。

示例脚本（请确保你有两张以上GPU卡, 在线模型下载功能在paddle.distributed.launch下无法工作， 你可能需要一个先通过单卡finetune方式下载预训练模型，或者根据这里手动下载并解压预训练模型）:

python3 -m paddle.distributed.launch \
./demo/finetune_classifier_dygraph_distributed.py \
    --data_dir data/mnli \
    --max_steps 10000 \
    --from_pretrained ernie2.0-en

更多示例脚本:

1. 情感分析
2. 语义匹配
3. 命名实体识别(NER)
4. 机器阅读理解 (需要多卡环境运行；参见上面"分布式 finetune"一节)
5. 文本摘要生成

推荐超参数设置：

预训练 (ERNIE 1.0)

请见这里

在线预测

如果finetune_classifier_dygraph.py中指定了--inference_model_dir参数，funetune脚本会将你的模型序列化并产出可以直接部署线上预测的inference_model.

关于生产环境中使用线上预测代码的实现细节，请见C++ inference API. 或者你可以使用propeller启动一个多GPU预测服务(需要GPU环境)，只需执行：

python -m propeller.tools.start_server -m /path/to/saved/inference_model  -p 8881

即可启动预测服务；随后在Python端采用如下命令访问该服务(仅限 python3):

frompropeller.service.clientimportInferenceClientfromernie.tokenizing_ernieimportErnieTokenizerclient=InferenceClient('tcp://localhost:8881')tokenizer=ErnieTokenizer.from_pretrained('ernie-1.0')ids,sids=tokenizer.encode('hello world')ids=np.expand_dims(ids,0)sids=np.expand_dims(sids,0)result=client(ids,sids)

你也可从此处下载一个预先制作好的ernie-1.0 base模型的 inference_model. 该模型没有经过finetune，一般可以用做上层模型结构的 feature-base finetune或者做为一个文本特征抽取器。 因为该模行由老版API 产出，在进行客户端请求时需要在输入tensor后面追加一个维度：

ids=np.expand_dims(ids,-1)# ids.shape==[BATCH, SEQLEN, 1]

蒸馏

知识蒸馏是进行ERNIE模型压缩、加速的有效方式；关于知识蒸馏的实现细节请参见这里。

文献引用

ERNIE 1.0

@article{sun2019ernie,
  title={Ernie: Enhanced representation through knowledge integration},
  author={Sun, Yu and Wang, Shuohuan and Li, Yukun and Feng, Shikun and Chen, Xuyi and Zhang, Han and Tian, Xin and Zhu, Danxiang and Tian, Hao and Wu, Hua},
  journal={arXiv preprint arXiv:1904.09223},
  year={2019}
}

ERNIE 2.0

@article{sun2019ernie20,
  title={ERNIE 2.0: A Continual Pre-training Framework for Language Understanding},
  author={Sun, Yu and Wang, Shuohuan and Li, Yukun and Feng, Shikun and Tian, Hao and Wu, Hua and Wang, Haifeng},
  journal={arXiv preprint arXiv:1907.12412},
  year={2019} 
}

ERNIE-GEN

@article{xiao2020ernie-gen,
  title={ERNIE-GEN: An Enhanced Multi-Flow Pre-training and Fine-tuning Framework for Natural Language Generation},
  author={Xiao, Dongling and Zhang, Han and Li, Yukun and Sun, Yu and Tian, Hao and Wu, Hua and Wang, Haifeng},
  journal={arXiv preprint arXiv:2001.11314},
  year={2020}
}

若希望复现 paper 中的所有实验，请切换至本repo的repro分支。

讨论组

• ERNIE官方主页
• Github Issues: bug reports, feature requests, install issues, usage issues, etc.
• QQ 群: 760439550 (ERNIE discussion group).
• Forums: discuss implementations, research, etc.

标签：

• 项目

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库

• riot-pal

  面向防暴和低层设备的协议抽象层

• balautil

  一个通用的机器学习util集合包

• vimp

  vimpy：python中的非参数变量重要性评估

• mlearn

  序列机器学习算法

• lighteda

  探索性数据分析包。

• django-flock

  Django的简单众筹

• sleipnir

  Sleipnir图书馆。

• pep543

  python的统一tls api

• docx_replace

  替换docx文件中的单词

• spectre-api

  使用lumeta spectre api的包装器

• mlmmapi

  使用机器学习支持短答题评分的工具

• csu-radartools

  用于极化雷达检索的python工具。

• confi

  在Python项目中，通过这个模块，您只需通过密钥就可以获取配置文件的值。

• uadetector

  用于处理用户代理的wsgi中间件和web框架扩展。

• gitxmlparser

  作为python pro课程python pratico的练习而制作的包。