PricingLoginStart free
NLP Academy · Lekcja

Uruchamianie potoku QA

Wyodrębnij odpowiedzi z fragmentu tekstu

Lekcja 2 z 413 kroki

Uruchamianie potoku QA to bezpłatna lekcja NLP Academy na CoddyKit. To lekcja 2 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej NLP Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs NLP Academy zawiera 4 lekcji w sumie.

Co zapewnia pipeline

Obiekt pipeline biblioteki Hugging Face łączy model i tokenizer w jedno proste wywołanie. Przekazujesz mu pytanie i kontekst, a on zwraca odpowiedź. 🚀

Zaimportuj pomocniczą funkcję

Wszystko zaczyna się od jednego importu. Funkcja pipeline z biblioteki transformers tworzy za Ciebie cały stos QA.

from transformers import pipeline

Utwórz pipeline QA

Przekaż do funkcji pipeline nazwę zadania question-answering. Jeśli nie podasz nazwy modelu, funkcja pobierze za Ciebie rozsądny model domyślny.

qa = pipeline("question-answering")

Przekaż kontekst

Pipeline potrzebuje kontekstu: fragmentu zawierającego odpowiedź. Pomyśl o nim jak o tekście, który model może przeczytać.

context = "The Eiffel Tower is located in Paris and was completed in 1889."

Zadaj pytanie

Teraz wywołaj pipeline, przekazując mu zarówno pytanie, jak i kontekst. Przeskanuje on fragment i zwróci najlepiej pasujący fragment odpowiedzi.

result = qa(question="Where is the Eiffel Tower?", context=context)

Odczytaj wynik

Wynik jest typu słownik. Tekst odpowiedzi znajduje się pod kluczem answer i można go od razu wyświetlić lub zapisać.

print(result["answer"])  # Paris

Wynik pewności

Każdy wynik zawiera również wartość score od 0 do 1. Wyższa wartość oznacza, że model jest bardziej pewny wybranego fragmentu.

print(result["score"])  # e.g. 0.98

Pozycje początkowa i końcowa

Wynik zawiera również indeksy znaków start i end. Wskazują one dokładnie, gdzie w kontekście znaleziono odpowiedź.

print(result["start"], result["end"])

Wybór modelu

Możesz wskazać konkretny model, podając jego nazwę. Popularnym niewielkim modelem QA jest distilbert dostrojony na zbiorze danych SQuAD.

qa = pipeline("question-answering",
  model="distilbert-base-cased-distilled-squad")

Ponownie użyj tego samego kontekstu

Jeden kontekst może odpowiadać na wiele pytań. Utwórz pipeline raz, a następnie wywołuj go wielokrotnie z nowymi pytaniami dotyczącymi tego samego fragmentu.

Odczytuje tylko kontekst

Pamiętaj: ten ekstrakcyjny pipeline odpowiada wyłącznie na podstawie przekazanego kontekstu. Jeśli zapytasz o coś, czego nie ma w tekście, otrzymasz słabo dopasowany fragment.

Szybkie sprawdzenie

Przypomnij sobie, jak pipeline QA zwraca wynik.

Odpowiedz w interaktywnej lekcji

Podsumowanie

Jedno wywołanie pipeline przyjmuje pytanie i kontekst, a zwraca słownik zawierający answer, score, start i end. Uruchomiłeś ekstrakcyjne QA w trzech wierszach. ✅

Bezpłatny start

Ucz się Python dzięki korepetycjom AI — za darmo

Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.

Kursy
30
Lekcje
120
Zacznij naukę bezpłatnieWyświetl pełny kurs

Często zadawane pytania

Czy lekcja „Uruchamianie potoku QA” jest bezpłatna?

Tak — pełny tekst „Uruchamianie potoku QA” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu NLP Academy, przejdź na CoddyKit PRO. Kurs NLP Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Uruchamianie potoku QA”?

Wyodrębnij odpowiedzi z fragmentu tekstu Ćwiczysz NLP Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć NLP Academy?

Nie wymagamy żadnego doświadczenia. NLP Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 2 z 4.

Ile czasu zajmuje lekcja „Uruchamianie potoku QA”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji NLP Academy?

Tak. Każda lekcja NLP Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Ekstrakcyjne i generatywne QA
  2. Uruchamianie potoku QA
  3. Wyszukiwanie fragmentów odpowiedzi w kontekście
  4. Obsługa braku odpowiedzi i długich dokumentów
← Powrót do NLP Academy