quest_qa_labeling:Google QUEST问答标签。增强对复杂问题答案内容的自动理解 源码
Google QUEST问答标签第一名解决方案 您可以在下面找到有关如何重现Google QUEST问题与答案标签竞赛的解决方案的概述。如果您在设置/代码方面遇到任何麻烦或有任何疑问,请通过与我联系。 该解决方案也在Kaggle上的进行了描述,推断部分在得到了充分的再现。 存档内容 包含以下文件: stackx-base-cased.tar.gz –预训练的BERT语言模型, 的步骤1的输出 sampled_sx_so.csv.gz –用于生成伪标签的sampled_sx_so.csv.gz转储块 pseudo-100k-3x-blend-no-leak.tar.gz –伪标签, 中第2步的输出 硬件 1个NVIDIA Quadro P6000 2个NVIDIA 1080 Ti 5 x NVIDIA 1080 Ti(仅用于语言模型培训) 软件和环境 带有Python 3.6.6的Co
文件列表
quest_qa_labeling:Google QUEST问答标签。增强对复杂问题答案内容的自动理解
(预估有个505文件)
command
418B
commit_hash
40B
command
415B
commit_hash
40B
command
434B
commit_hash
40B
vocab.bpe
446KB
edit_dist.cpp
6KB
module.cpp
791B
libbleu.cpp
3KB
暂无评论