前文我們已經簡單講解過ERNIE1．0與2．0的構成與區別

NLP ｜ 百度 ERNIE － 簡析1．0 與 2．0

一篇簡單易懂的好文

本文小媛帶來的是【從0開始快速上手百度 ERNIE】

原文詳見文末原文鏈接

一、前置條件

在使用ERNIE模型之前，用戶需要完成如下任務：

安裝Python3．7．5版本。

安裝paddlepaddle 1．8版本，具體安裝方法請參見快速安裝（文末）。

執行如下命令從GitHub上獲取ERNIE代碼庫。如果網絡速度較慢用戶可以跳過此步，因為教程自帶有ERNIE的包。

！git clone －b dygraph －－single－branch https：／／github．com／PaddlePaddle／ERNIE．git

使用pip方式安裝其他依賴文件。

！pip install －r ERNIE／requirements．txt

   依賴文件主要包括：

numpy：Python的一種開源數值計算拓展，可以用來進行大型張量的存儲和計算。scikit－learn：機器學習工具包。scipy：科學計算庫。six：解決py2和py3代碼兼容性的工具包。

二、快速運行

這里以使用情感分析數據集ChnSentiCorp的ERNIE中文預模型為例，展示如何通過簡單的三個步驟就可以快速使用ERNIE 1．0中文Base模型實現情感分析場景的推理。

ChnSentiCorp是一個中文情感分析數據集，包含酒店、筆記本電腦和書籍的網購評論。表1對ERNIE1．0／2．0和BERT中文模型在該任務上的效果進行了評測，評測使用的指標為準確率（acc），即在使用驗證集或測試集進行推理時，推理正確的數據條目占數據集數據總數的百分比。從表1中可以看到ERNIE具有明顯的優勢。

使用ERNIE 1．0中文Base模型進行推理分如下三個步驟：

數據獲取。介紹如何下載ChnSentiCorp數據集，以及數據集的結構，這樣用戶可以參考數據集的結構構造用于Fine－tuning的數據集。此外如果用戶希望使用自定義數據集進行訓練，則可以仿照ChnSentiCorp數據集的結構，構建自己的數據集。

運行Fine－tuning。介紹如何設置數據和模型路徑的環境變量，以及如何執行腳本進行Fine－tuning。

執行推理。使用腳本運行Fine－tuning成功的模型進行推理。

表1 ERNIE1．0／2．0和BERT的測評表

數據集
ChnSentiCorp

評估

指標

準確率（acc）
驗證集（dev）
測試集（test）
BERT Base94．694．3ERNIE 1．0 Base95．2 （＋0．6）95．4 （＋1．1）ERNIE 2．0 Base95．7 （＋1．1）95．5 （＋1．2）ERNIE 2．0 Large 96．1 （＋1．5）95．8 （＋1．5）1． 數據獲取

ERNIE在多個中文和英文NLP任務上做過評測，中文任務的數據可以通過下面的命令獲取， ChnSentiCorp數據亦包含其中。

！wget https：／／ernie－github．cdn．bcebos．com／data－chnsenticorp．tar．gz！tar xvf data－chnsenticorp．tar．gz