一个API调用27个NLP预训练模型：BERT、GPT-2全囊括，像导入NumPy一样容易

鱼羊 发自 凹非寺 
量子位 报道  

只需一个API，就能调用BERT、XLM等多种语言模型，逆天的GPT-2也一样轻松到碗里来，这样的模型库你是否期待？

现在，真的有人完成了这一惊人工作，推出了堪称最先进的自然语言处理预训练模型库。

六种架构，27个预训练模型，简单易用，鹅妹子嘤。

其名为Pytorch-Transformers 1.0。

登场数小时，获赞1000+，网友忍不住惊叹：这简直就是上帝的工作。

Pytorch-Transformers 1.0

从模型分析到生产加速，对自然语言处理研究人员来说，简直是一库在手，天下我有。

目前这个库中包含PyTorch实现，预训练模型权重，数据集和六个模型的转换工具。

六种NLP模型

库中囊括了现在自然语言处理（NLP）领域最常用的六种模型：

• BERT

• GPT

• GPT-2

• Transformer-XL

• XLNet

• XLM

这些实现已经在GLUE、SQuAD上进行了测试，基本能与原始实现的性能相匹配。

△BERT原始实现性能

△Pytorch-Transformers 1.0中BERT实现性能

27个预训练模型

快速上手

这么强大的工具，上手也很简单。

作者已经在Python 2.7和 3.5+上进行过测试，PyTorch的版本则是 0.4.1到 1.1.0。

首先pip一下：

pip install pytorch-transformers

克隆储存库并运行：

pip install [--editable] .

可以用pytest进行一些测试：

python -m pytest -sv ./pytorch_transformers/tests/
python -m pytest -sv ./examples/

接着，就可以看一下快速入门示例了。

BERT：

首先，使用BertTokenizer从文本字符串中准备一个标记化的输入：

使用BertModel在隐藏状态下编码输入：

用BertForMaskedLM预测masked token：

OpenAI GPT-2

准备输入：

预测下一句：

就像这样，每一个模型都有相应的示例，可以在文档中查看详情。

不懂法律的物理学博士不是好工程师

Pytorch-Transformers 1.0的作者小哥是一位真正的跨界人才。

10岁学编程，大学却入了物理坑。

第一份工作是在劳伦斯伯克利国家实验室的BELLA中心研究激光等离子体相互作用。

被麻省理工录取为博士研究生，最后在索邦大学和ESPCI（巴黎高等物理化工学院）拿到了量子物理学博士学位。

在这之后，他又转行去知识产权律师事务所当起了欧洲专利律师。

现在，他在创业公司Huggingface Inc. 领导一支科学团队，致力于自然语言生成和自然语言理解领域。

真乃神人也。

传送门

开源地址：
https://github.com/huggingface/pytorch-transformers

教程文档：
https://huggingface.co/pytorch-transformers/quickstart.html#documentation

— 完 —