中文预训练模型ERNIE2.0模型下载及安装

Posted 2020-11-30

2019年7月，百度ERNIE再升级，发布持续学习的语义理解框架ERNIE 2.0，及基于此框架的ERNIE 2.0预训练模型, 它利用百度海量数据和飞桨（PaddlePaddle）多机多卡高效训练优势，通过深度神经网络与多任务学习等技术，持续学习海量数据和知识。基于该框架的艾尼（ERNIE）预训练模型，已累计学习10亿多知识，包括词法、句法、语义等多个维度的自然语言知识，有很强的通用语义表示能力，适用于各种NLP应用场景，效果提升明显，使用高效、便捷。

本篇内容教大家如何下载和使用！

一、预训练模型下载

ERNIE 2.0 英文 Base 模型
https://ernie.bj.bcebos.com/ERNIE_Base_en_stable-2.0.0.tar.gz
包含预训练模型参数、词典 vocab.txt、模型配置 ernie_config.json
ERNIE 2.0 英文 Large 模型
https://ernie.bj.bcebos.com/ERNIE_Large_en_stable-2.0.0.tar.gz
包含预训练模型参数、词典 vocab.txt、模型配置 ernie_config.json

二、数据下载

中文数据：https://ernie.bj.bcebos.com/task_data_zh.tgz
英文数据：由于数据集协议问题，在这里无法直接提供英文数据集。GLUE 的数据下载方式请参考GLUE 主页(https://gluebenchmark.com/tasks)以及 GLUE 提供的数据下载代码(https://gist.github.com/W4ngatang/60c2bdb54d156a41194446737ce03e2e )。
假设所有数据集下载放置的路径为$GLUE_DATA，将数据下载完毕后，执行

sh ./script/en_glue/preprocess/cvt.sh $GLUE_DATA

将完成所有数据的格式转换，默认转换后的数据会输出到文件夹./glue_data_processed/。

三、PaddlePaddle安装

本项目依赖于 Paddle Fluid 1.5，请参考安装指南
（https://www.paddlepaddle.org.cn/#quick-start ）进行安装。
【重要】安装后，需要及时的将 CUDA、cuDNN、NCCL2 等动态库路径加入到环境变量 LD_LIBRARY_PATH 之中，否则训练过程中会报相关的库错误。具体的paddlepaddle配置细节请查阅：
https://www.paddlepaddle.org.cn/documentation/docs/zh/1.5/beginners_guide/quick_start_cn.html
如果您想了解更多的 Paddle 的相关信息，例如针对实际问题建模、搭建自己网络等，这里有更多的来自官方的文档供您参考：
? 基本概念 ：介绍了 Fluid 的基本使用概念
? 准备数据 ：介绍使用 Fluid 训练网络时，数据的支持类型及传输方法
? 配置简单的网络： 介绍如何针对问题建模，并利用 Fluid 中相关算子搭建网络
? 训练神经网络：介绍如何使用 Fluid 进行单机训练、多机训练、以及保存和载入模型变量
? 模型评估与调试：介绍在 Fluid 下进行模型评估和调试的方法
ERNIE的其他依赖列在requirements.txt文件中，使用以下命令安装

划重点！
查看ERNIE模型使用的完整内容和教程，请点击下方链接，建议Star收藏到个人主页，方便后续查看。
GitHub：https://github.com/PaddlePaddle/ERNIE

版本迭代、最新进展都会在GitHub第一时间发布，欢迎持续关注！

也邀请大家加入ERNIE官方技术交流QQ群：760439550，可在群内交流技术问题，会有ERNIE的研发同学为大家及时答疑解惑。