近期有做信息抽取的需求，UIE在信息抽取方面效果不錯。

模型準備

huggingface上下載UIE模型：PaddlePaddle/uie-base · Hugging Face

點擊“Clone Repository”，確定git clone的鏈接

其中包含大文件，需要在windows安裝git-lfs，在https://git-lfs.com/下載git-lfs，安裝。

git lfs clone 倉庫鏈接

環境配置

UIE使用需要安裝paddlenlp

paddlenlp依賴paddlepaddle-gpu或paddlepaddle；

忘了因為什么原因，python3.7和python3.11上安裝paddlenlp存在問題，在python3.9上成功安裝了。

為了使用GPU進行模型訓練和推理，在GPU機器安裝了NVIDIA Driver、CUDA、Cudnn。

這里踩了個坑：

CUDA?工具包?11.2 配合 cuDNN v8.2.1使用，安裝paddlepaddle-gpu有特定版本

python -m pip install paddlepaddle-gpu==2.4.2.post112 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

一定要采用這個版本，如果安裝了paddlepaddle-gpu=2.4.2版本，運行會報錯：

RuntimeError: (PreconditionNotMet) The third-party dynamic library (cudnn64_7.dll) that Paddle depends on is not configured correctly. (error code is 126)

另外，運行時，如果程序中斷，提示錯誤，檢查專用GPU內存幾乎占滿，則八成是模型太大了，GPU內存太小導致的問題，減少模型訓練的batch_size即可。

exit code -1073740791  0xC0000409

UIE運行示例

>>> from pprint import pprint
>>> from paddlenlp import Taskflow>>> schema = ['時間', '選手', '賽事名稱'] # Define the schema for entity extraction
>>> ie = Taskflow('information_extraction', schema=schema)
>>> pprint(ie("2月8日上午北京冬奧會自由式滑雪女子大跳臺決賽中中國選手谷愛凌以188.25分獲得金牌！")) # Better print results using pprint
[{'時間': [{'end': 6,'probability': 0.9857378532924486,'start': 0,'text': '2月8日上午'}],'賽事名稱': [{'end': 23,'probability': 0.8503089953268272,'start': 6,'text': '北京冬奧會自由式滑雪女子大跳臺決賽'}],'選手': [{'end': 31,'probability': 0.8981548639781138,'start': 28,'text': '谷愛凌'}]}]

來源：PaddleNLP/taskflow_text.md at develop · PaddlePaddle/PaddleNLP

UIE 微調

PaddleNLP/applications/information_extraction/text at develop · PaddlePaddle/PaddleNLPUIE在實體識別和關系抽取上的實踐PaddleNLP/applications/information_extraction/text at develop · PaddlePaddle/PaddleNLP