一、ERNIE安裝配置類問題
Q1：最適合ERNIE2.0的PaddlePaddle版本是？
A1：PaddlePaddle版本建議升級到1.5.0及以上版本，
Q2：ERNIE可以在哪些系統上使用?
A2：優化后各個系統都會支持，目前建議在Linux系統使用，
二、ERNIE使用類問題
Q1：ERNIE目前能做哪些任務？
A1：（1）基于ERNIE模型Fine-tune后，直接能做的任務如下：
- 詞性標注任務，請參考：https://aistudio.baidu.com/aistudio/projectDetail/109660
- 閱讀理解任務，請參考：https://github.com/PaddlePaddle/ERNIE/blob/develop/README.zh.md
- 分類任務，請參考：https://github.com/PaddlePaddle/ERNIE/blob/develop/README.zh.md
- 多標簽分類，請參考：https://github.com/PaddlePaddle/PaddleHub/tree/release/v1.1.0/demo/multi-label-classification
- 排序任務；
（2）需要用戶在ERNIE的基礎上做開發后能做的任務如下：
- 文本生成任務，目前需要用戶在ERNIE的基礎上開發生成任務的Fine-tune代碼，同時我們也在研發專門適配生成的通用預訓練模型，預期效果更好，后續進展請多多關注，
- 物體關系抽取任務，目前需要用戶在ERNIE的基礎上開發資訊抽取任務的Fine-tune代碼，
Q2：ERNIE實作檢索功能了嗎？
A2：實作了,使用cls embedding或者頂層所有詞的表示做pooling當做sentence encoder的輸出，
Q3：ERNIE能做資訊流推薦嗎？
A3：可以，具體來講,可以基于ERNIE 抽取Document和User 的向量作為對文章和用戶的語意建模，然后對Document 的語意特征離線建立索引庫，在線端根據用戶的語意表達去索引庫中召回語意相關性較高的文章，
Q4：ERNIE能用于長文本嗎？
A4：可以，當前可以考慮將長句拆分，分別輸入ERNIE后再拼接的方式使用ERNIE，不過我們也在研發專門適配長文本的通用預訓練模型，后續進展請多多關注，
Q5：ERNIE可以用C++或者Java呼叫嗎？
A5：ERNIE預測時，通過C++呼叫的介面正在優化中，Java暫不支持，
Q6：ERNIE有沒有在自己的corpus上進行預訓練的教程？
A6：2.0的中文預訓練代碼暫時沒有開源，可以參考1.0教程，教程鏈接：
https://github.com/PaddlePaddle/ERNIE/blob/develop/README.zh.md#%E9%A2%84%E8%AE%AD%E7%BB%83-ernie-10，
Q7：ERNIE2.0的中文預訓練模型發布了嗎？
A7：為了讓大家更方便、快捷、高效的使用ERNIE，我們正在做易用性更強的ERNIE平臺化服務作業，屆時會與ERNIE2.0模型同步開放給大家，歡迎大家使用，
Q8：ERNIE支持Python3嗎？
A8：支持，
Q9：ERNIE都支持哪些語言嗎？
A9：目前支持中文簡體、英文，
三、ERNIE工具類問題
Q1：ERNIE能做在線服務嗎？性能怎么樣？
A1：可以，在線服務的性能問題可以通過模型蒸餾的方案解決，我們ERNIE Tiny 模型也在研發中，可以大幅度提升在線預測性能，ERNIE Tiny模型后續會逐步開源，可以多多關注，
在輕量級、模型壓縮方面ERNIE將會推出ERNIE Slim技術和ERNIE Tiny模型，其中
ERNIE Slim基于資料蒸餾技術，以大規模無監督語料為橋梁，輔以資料增強和混合策略，利用百倍提速的輕量級DNN模型去蒸餾ERNIE模型，從而達到顯著加速的效果，達到工業級上線要求；
ERNIE Tiny基于模型蒸餾技術，在預訓練階段利用淺層ERNIE模型去蒸餾深層ERNIE模型的輸出分布，同時引入subword粒度來減少輸入句子長度，預計發布的3層ERNIE Tiny模型相對于ERNIE模型在效果有限下降情況下，速度提升4.2倍左右，
Q2：ERNIE有提供類似Bert-as-Service的服務嗎？
A2：有，近期（預計11月初）將開源，
四、ERNIE資料類問題
Q1：ERNIE有詳細的使用教程么？
A1：有，請參考：https://github.com/PaddlePaddle/ERNIE/blob/develop/README.zh.md
Q2：ERNIE的論文下載地址？
A2：https://arxiv.org/abs/1907.12412
Q3：ERNIE的GitHub專案地址？
A3：https://github.com/PaddlePaddle/ERNIE
五、其它問題
Q1：BERT與ERNIE誰更強？
A1：從效果來看，ERNIE的效果領先于BERT，BERT、XLNet等主流方法都強調通過強力的Transformer 直接構建語言模型，而ERNIE 2.0 通過多任務預訓練的方法加強模型學到的語言知識，
ERNIE 2.0 通過增量學習的方式更新，也就是說可以通過自定義的NLP 任務微調已訓練模型，加強預訓練效果，
ERNIE2.0 模型在英語任務上很多都優于BERT 和XLNet，在7 個GLUE 任務上取得了最好的結果；中文任務上，ERNIE 2.0 模型在所有9 個中文NLP任務上全面優于BERT，
Q2：ERNIE效果領先BERT是否得益于更多資料?
A2：否，我們對比了不同模型公布的資料量，BERT: 3.3B (tokens), ERNIE:7.9 B (tokens),
XLNet: 32.8B (tokens)，目前版本的資料規模是XLNet的1/4，同時ERNIE 沒有使用人工直接標注的資料，所有資料可以通過無監督或者弱監督的方式大量得到，
Q3：ERNIE可以理解為是知識圖譜+BERT嗎？
A3：不是，ERNIE沒有利用圖譜資訊，而是直接從文本中學習知識，
Q4：ERNIE的多任務持續學習是怎么實作的？
A4：ERNIE2.0 的預訓練任務是一個逐步增加的程序，先訓練Task1, 然后逐步增加到多個TaskN，多個Task 的訓練是按照一定的概率分布對Task 進行采樣，比如: 第一個batch 訓練Task1,第2個batch 訓練Task2 ，訓練程序中是通過多機多卡訓練，有些卡去訓練任務1，有些卡訓練任務2，由于目前預訓練代碼還未開源，用戶暫時無法添加新任務做預訓練，
-------------------
劃重點！！！
掃碼關注百度NLP官方公眾號，獲取百度NLP技術的第一手資訊！
加入ERNIE官方技術交流群（760439550），百度工程師實時為您答疑解惑！
立即前往GitHub（ github.com/PaddlePaddle/ERNIE ）為ERNIE點亮Star，馬上學習和使用起來吧！
最強預告！
11月23日，艾尼（ERNIE）的巡回沙龍將在上海加場，干貨滿滿的現場，行業A級的導師，還有一群志同道合的小伙伴，還在等什么？感興趣的開發者們趕緊掃描下方“二維碼”或點擊“鏈接”報名參加吧！
報名鏈接：https://iwenjuan.baidu.com/?code=vc78lp
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/62185.html
標籤：其他