小编Cel*_*nça的帖子

该小队挑战排名对F1和EM得分结果。有很多关于 F1 分数的信息（精确率和召回率的函数）。但是 EM 分数是多少？

Electron 现在支持打字稿。但是通过运行在以下位置发布的示例：

电子官方博客。

我总是收到以下错误：

我应该做点别的吗？

通常，变压器分词器将输入编码为字典。

{"input_ids": tf.int32, "attention_mask": tf.int32, "token_type_ids": tf.int32}

为了对大型数据集进行更好的性能处理，最好实现一个管道，其中包括将Dataset.map分词器函数应用于输入数据集的每个元素。与 Tensorflow 教程中所做的完全相同：加载文本。

但是，tf.py_function（用于包装 map python 函数）不支持返回张量字典，如上所示。

例如，如果加载文本中的分词器（编码器）返回以下字典：

{
    "input_ids": [ 101, 13366,  2131,  1035,  6819,  2094,  1035,  102 ],
    "attention_mask": [ 1, 1, 1, 1, 1, 1, 1, 1 ]
}

如何设置 的Tout参数tf.py_function来获取所需的张量字典：

{
    'input_ids': <tf.Tensor: shape=(16,), dtype=int32, numpy = array(
    [ 101, 13366,  2131,  1035,  6819,  2094,  1035,  102 ], dtype=int32)>

    'attention_mask': <tf.Tensor: shape=(16,), dtype=int32, numpy=array(
     [ 1, 1, …