热火锅(HotpotQA)安装与配置完全指南
hotpot 项目地址: https://gitcode.com/gh_mirrors/ho/hotpot
项目基础介绍
热火锅(HotpotQA)是一个旨在支持多样化的可解释性多跳问答的数据集及基准测试。它设计用于推动基于知识的问答系统的研发,特别是在复杂的问题解答方面,要求模型能够通过“多跳”推理找到正确答案。该项目利用Python为主要编程语言,并依赖PyTorch库来构建其深度学习模型。
关键技术和框架
- 主要编程语言: Python
- 深度学习框架: PyTorch 0.3.0
- 自然语言处理工具: Spacy
- 数据处理: 自定义脚本进行数据下载、预处理
- 评价系统: 通过特定脚本评估模型性能
准备工作与详细安装步骤
步骤一:环境准备
- 安装Python: 确保你的系统中安装了Python 3.x版本。
- 虚拟环境推荐: 创建一个虚拟环境以隔离项目依赖。可以使用
venv
或conda
。# 使用conda创建虚拟环境 conda create -n hotpot python=3.x conda activate hotpot # 或者使用venv python3 -m venv hotpotenv source hotpotenv/bin/activate
步骤二:安装依赖
-
PyTorch: 对于PyTorch 0.3.0,由于是旧版本,使用以下命令安装,确保选择适合您系统的版本。
conda install pytorch=0.3.0 cudaXX_0 -c pytorch
替换
XX
为您的CUDA版本号,如果不需要GPU支持,可以略过CUDA部分。 -
Spacy: 安装并下载必要的语言包。
conda install spacy python -m spacy download en_core_web_sm
步骤三:获取项目源码
- 克隆项目到本地。
git clone https://github.com/hotpotqa/hotpot.git cd hotpot
步骤四:数据下载与预处理
- 运行提供的脚本来下载数据和模型需要的GloVe嵌入向量,以及Spacy模型(尽管上述命令已提示但无需手动下载Spacy模型,因为已在第二步安装)。
bash ./download.sh
- 预处理数据,分为训练和验证集两部分。
python main.py --mode prepro --data_file hotpot_train_v1.1.json --para_limit 2250 --data_split train python main.py --mode prepro --data_file hotpot_dev_distractor_v1.json --para_limit 2250 --data_split dev
步骤五:配置模型训练
- 为了开始训练,确保设置好CUDA环境(如果有GPU),然后运行训练脚本。
如果没有指定GPU或者有多张GPU,去掉CUDA_VISIBLE_DEVICES变量即可使用所有可用GPU。CUDA_VISIBLE_DEVICES=0 python main.py --mode train --para_limit 2250 --batch_size 24 --init_lr 0.1 --keep_prob 1.0 --sp_lambda 1.0
步骤六:模型测试与评估
- 训练完成后,对开发集进行预测并评估。
其中CUDA_VISIBLE_DEVICES=0 python main.py --mode test --data_split dev --para_limit 2250 --batch_size 24 --init_lr 0.1 --keep_prob 1.0 --sp_lambda 1.0 --save YOUR_TRAINED_MODEL_NAME --prediction_file dev_pred.json python hotpot_evaluate_v1.py dev_pred.json hotpot_dev_distractor_v1.json
YOUR_TRAAINED_MODEL_NAME
应替换为你在训练时使用的模型保存名称。
至此,您已经完成了HotpotQA项目的安装、配置以及基本的模型训练和测试流程。记得在实际操作过程中阅读项目中的README.md
文件,以便获得更精确的指令和最新更新信息。