Update README.md
Browse files
README.md
CHANGED
@@ -22,25 +22,44 @@ This is a mbert-based model for multiple-choice question answering.
|
|
22 |
Here is an example of how you can run this model:
|
23 |
|
24 |
```python
|
|
|
|
|
25 |
from transformers import AutoConfig, AutoModelForMultipleChoice, AutoTokenizer
|
26 |
|
27 |
model_name = "persiannlp/mbert-base-parsinlu-multiple-choice"
|
28 |
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
29 |
config = AutoConfig.from_pretrained(model_name)
|
30 |
-
model = AutoModelForMultipleChoice.from_pretrained(model_name, config
|
31 |
|
32 |
-
|
33 |
-
|
34 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
35 |
print(output)
|
36 |
return output
|
37 |
|
38 |
|
39 |
-
run_model("وسیع ترین کشور جهان کدام است؟
|
40 |
-
run_model("طامع یعنی ؟
|
41 |
run_model(
|
42 |
-
"زمینی به ۳۱ قطعه متساوی مفروض شده است و هر روز مساحت آماده شده برای احداث، دو برابر مساحت روز قبل است.اگر پس از (۵ روز) تمام زمین آماده شده باشد، در چه روزی یک قطعه زمین آماده شده
|
43 |
-
|
44 |
```
|
45 |
|
46 |
|
|
|
22 |
Here is an example of how you can run this model:
|
23 |
|
24 |
```python
|
25 |
+
from typing import List
|
26 |
+
import torch
|
27 |
from transformers import AutoConfig, AutoModelForMultipleChoice, AutoTokenizer
|
28 |
|
29 |
model_name = "persiannlp/mbert-base-parsinlu-multiple-choice"
|
30 |
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
31 |
config = AutoConfig.from_pretrained(model_name)
|
32 |
+
model = AutoModelForMultipleChoice.from_pretrained(model_name, config=config)
|
33 |
|
34 |
+
|
35 |
+
def run_model(question: str, candicates: List[str]):
|
36 |
+
assert len(candicates) == 4, "you need four candidates"
|
37 |
+
choices_inputs = []
|
38 |
+
for c in candicates:
|
39 |
+
text_a = "" # empty context
|
40 |
+
text_b = question + " " + c
|
41 |
+
inputs = tokenizer(
|
42 |
+
text_a,
|
43 |
+
text_b,
|
44 |
+
add_special_tokens=True,
|
45 |
+
max_length=128,
|
46 |
+
padding="max_length",
|
47 |
+
truncation=True,
|
48 |
+
return_overflowing_tokens=True,
|
49 |
+
)
|
50 |
+
choices_inputs.append(inputs)
|
51 |
+
|
52 |
+
input_ids = torch.LongTensor([x["input_ids"] for x in choices_inputs])
|
53 |
+
output = model(input_ids=input_ids)
|
54 |
print(output)
|
55 |
return output
|
56 |
|
57 |
|
58 |
+
run_model(question="وسیع ترین کشور جهان کدام است؟", candicates=["آمریکا", "کانادا", "روسیه", "چین"])
|
59 |
+
run_model(question="طامع یعنی ؟", candicates=["آزمند", "خوش شانس", "محتاج", "مطمئن"])
|
60 |
run_model(
|
61 |
+
question="زمینی به ۳۱ قطعه متساوی مفروض شده است و هر روز مساحت آماده شده برای احداث، دو برابر مساحت روز قبل است.اگر پس از (۵ روز) تمام زمین آماده شده باشد، در چه روزی یک قطعه زمین آماده شده ",
|
62 |
+
candicates=["روز اول", "روز دوم", "روز سوم", "هیچکدام"])
|
63 |
```
|
64 |
|
65 |
|