roBERTa SNLI/MNLI классификатор

Решение кейса от МТС

Ссылка на веса:

https://drive.google.com/file/d/14EWvcg9eMg95UL-H21MvYbE5q8Hh4S61/view?usp=sharing

Результаты

MNLI Matched:

MNLI Mismatched:

Установка:

Зависимости

pip install -r requirements.txt

Данные положить в ./data/snli/ и ./data/mnli/

Веса положить в ./data/checkpoints/

Есть поддержка CLI

python predict_result.py --help

Краткая справка по структуре

• Классы, отвечающие за данные и их загрузку в модель, находятся в папке ./data.
• Модель находится в папке ./model.
• В папке ./utils находится скрипт для быстрого сохранения весов модели.

Получение прогнозов

Для получения прогнозов используется файл predict_result.py. Например, чтобы получить прогноз для matched датасета с Kaggle нужно выполнить следующую команду:

python predict_result.py True -d mnli -n multinli_0.9_test_matched_unlabeled -b 8 -c mnli_large_weights.ckpt -o matched_test