标准格式

README.md

-# BERT-TF2
+# bert_tensorflow
 
 ## 论文
 
@@ -70,6 +70,8 @@ squad-v1.1 eval脚本：[evaluate-v1.1.py](https://github.com/allenai/bi-att-flo
 
 ```
 docker pull image.sourcefind.cn:5000/dcu/admin/base/tensorflow:2.7.0-centos7.6-dtk-22.10.1-py37-latest
+docker run -dit --network=host --name=bert_tensorflow --privileged --device=/dev/kfd --device=/dev/dri --ipc=host --shm-size=16G  --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root --ulimit stack=-1:-1 --ulimit memlock=-1:-1 image.sourcefind.cn:5000/dcu/admin/base/tensorflow:2.7.0-centos7.6-dtk-22.10.1-py37-latest
+docker exec -it bert_tensorflow /bin/bash
 ```
 
 安装过程可能顶掉DCU版本的tensorflow，可以到[开发者社区](https://cancon.hpccube.com:65024/4/main/tensorflow/dtk22.10)下载DCU版本对应包
@@ -78,9 +80,9 @@ docker pull image.sourcefind.cn:5000/dcu/admin/base/tensorflow:2.7.0-centos7.6-d
 pip install requirements.txt
 ```
 
-## MNLI分类训练
+## 训练
 
-###  数据转化
+###  数据转化-MNLI
 
 TF2.0版本读取数据需要转化为tf_record格式
 
@@ -106,7 +108,7 @@ python create_finetuning_data.py \
  --classification_task_name		分类任务名
 ```
 
-### 模型转化
+### 模型转化-MNLI
 
 TF2.7.2与TF1.15.0模型存储、读取格式不同，官网给出的Bert一般是基于TF1.0的模型需要进行模型转化
 
@@ -125,7 +127,7 @@ python3 tf2_encoder_checkpoint_converter.py \
 bert_model.ckpt-1.index改为 bert_model.ckpt.index
 ```
 
-### 单卡运行
+### 单卡运行-MNLI
 
 ```
 sh bert_class.sh
@@ -146,15 +148,13 @@ sh bert_class.sh
   --num_gpus					使用gpu数量
 ```
 
-### 多卡运行
+### 多卡运行-MNLI
 
 ```
 sh bert_class_gpus.sh
 ```
 
-## SQUAD1.1问答训练
-
-### 数据转化
+### 数据转化-SQUAD1.1
 
 TF2.0版本读取数据需要转化为tf_record格式
 
@@ -179,7 +179,7 @@ python3 create_finetuning_data.py \
  --max_seq_length				最大句子长度
 ```
 
-### 模型转化
+### 模型转化-SQUAD1.1
 
 ```
 python3 tf2_encoder_checkpoint_converter.py \
@@ -196,7 +196,7 @@ python3 tf2_encoder_checkpoint_converter.py \
 bert_model.ckpt-1.index改为 bert_model.ckpt.index
 ```
 
-### 单卡运行
+### 单卡运行-SQUAD1.1
 
 ```
 sh bert_squad.sh
@@ -219,13 +219,13 @@ sh bert_squad.sh
   --num_gpus					使用gpu数量
 ```
 
-### 多卡运行
+### 多卡运行-SQUAD1.1
 
 ```
 sh bert_squad_gpus.sh
 ```
 
-## 模型精度
+## 精度
 
 使用单张Z100收敛性如下所示：
 
@@ -234,22 +234,20 @@ sh bert_squad_gpus.sh
 | MNLI-class（单卡） | val_accuracy: 0.7387 |
 |  squad1.1（单卡）  |  F1-score:0.916378   |
 
-## 应用场景
-
-`文本分类、智能问答`
+# 应用场景
 
 ## 算法类别
 
-`自然语言处理`
+`自然语言处理、文本分类、智能问答`
 
-## 热点行业
+## 热点应用行业
 
 `互联网`
 
-## 源码仓库及问题反馈
+# 源码仓库及问题反馈
 
 https://developer.hpccube.com/codes/modelzoo/bert-tf2
 
-## 参考
+# 参考
 
 https://github.com/tensorflow/models/tree/v2.3.0/official/nlp

model.properties

+# 模型唯一标识
+modelCode=281
 # 模型名称
-modelName=Bert-TF2
+modelName=bert_tensorflow
 # 模型描述
-modelDescription=Bert是一种预训练的语言表征模型。
+modelDescription=bert是一种预训练的语言表征模型。
 # 应用场景
 appScenario=训练,NLP,文本分类,文本问答
 # 框架类型
-frameType=Tensorflow2
+frameType=tensorflow