KeyPhraseGeneration-BERT:克隆此存储库，然后从scibert repo安装pytorch-pretrained-BERT，解压权重（将其权重转储文件重命名为pytorch_model.bin）并将vocab文件转换为新的文件夹模型。 相应地在experimentsbase_modelparams.json中更改参数。 如果GPU的VRAM约为11 GB，我们建议将批大小保持为4，序列长度为512，间隔为6个周期。 要进行培训，请运行命令python train.py --data_下载

KeyPhraseGeneration-BERT 克隆此存储库，然后从scibert repo安装pytorch-pretrained-BERT，解压权重（将其权重转储文件重命名为pytorch_model.bin）并将vocab文件转换为新的文件夹模型。 在experiments / base_model / params.json中相应地更改参数。 如果GPU的VRAM约为11 GB，我们建议将批大小保持为4，序列长度为512，间隔为6个周期。 要进行培训，请运行命令python train.py --data_dir数据/任务1 / --bert_model_dir模型/ --model_dir实验/ base_model要进行评估，请运行命令python评估.py --data_dir数据/任务1 / --bert_model_dir模型/ --model_dir实验/ base