管静

@austinyoung1 Hi, austinyoung1. Have you solved it? I ran into the same problem as you.

用的是精处理后的Pegasus伪摘要式语料，近30G，暂未开源~

您好~ 是的，参照data路径下的数据格式，把相同格式的文本摘要数据集放在data路径下。 并修改run_with_train.py中的参数"--train_data"和"--dev_data"为您的训练集文件和验证集文件即可。

您好~ 我们常用的学习率是5e-5，用于BERT。但由于架构差异，T5的学习率要大10倍才行，所以用了2e-4。

zhentao,你好 1. 目前项目上处于模型迭代优化阶段，计划支持长文本输入(暂不支持)，到时会同步更新在本Git里 2. 此方法支持组batch推理，自测batch_size=600，从416ms/条提速至19.2ms/每条；此外，支持Linux上多进程推理，解决CPU推理速度问题，多进程推理的代码在单独的branch里，明天我再更新下代码

> > 1. 到时会同步更新在本Git里 > > 您好！我想问下，您打算怎么处理长文本呀？谢谢！ 您好，推荐用Roformer处理长文本