# 安裝配置環境、各模塊重要輸出輸入

###### tags: `課程`

我們的所有資料處理、訓練、預測皆在 Kaggle 平台上執行
Kaggle 平台的使用方式可參考以下資料：https://www.kaggle.com/code/qi4589746/kaggle

## 各檔案建置流程如下：

### 1. 建立資料集
1. 點擊 Kaggle 頁面左上角的 `Create` 按鈕，並選取 `New Dataset` 選項。
2. 在上方 `Enter Dataset Title` 欄位填入自定義資料集名稱。
3. 選擇 `Browse Files` 上傳 Batch_answers - test_data(no_label).csv 與 Batch_answers - train_data (no-blank).csv。
4. 點選 `create`。

### 2. qmodel.ipynb
1. 點擊 Kaggle 頁面左上角的 `Create` 按鈕，並選取 `New Notebook` 選項
2. 進入頁面後，點擊左上角的 `File` 選項，選擇 `Import Notebook`，選取 qmodel.ipynb 檔案
3. 選擇右上角的展開按鈕，點擊 `Data` 欄位，選擇 `+ Add Data`，在上方的搜尋欄中填入自定義資料集名稱，找到資料集，按右下角`+`號加入
4. 將第7格輸入格，路徑改成 "/kaggle/input/{自定義資料集名稱}/Batch_answers - train_data (no-blank).csv"
5. 點選右上角 `Save Version`，選擇`save`，以執行 q model 的訓練流程，模型儲存至 DmModelBertSummarization_q1 資料夾。

### 3. rmodel.ipynb
- 同 qmodel.ipynb 步驟。

### 4. predict.ipynb
1. 同 qmodel.ipynb 1.~ 3. 步驟
2. 選擇右上角的展開按鈕，點擊 `Data` 欄位，選擇 `+ Add Data`，點擊 `Your Notebooks` 欄位，引入訓練好的模型。
3. 將第2格輸入格，路徑改成"/kaggle/input/{訓練qmodel的Notebook名稱}/DmModelBertSummarization_q1"
4. 將第9格輸入格，路徑改成"/kaggle/input/{訓練rmodel的Notebook名稱}/DmModelBertSummarization_r1"
5. 將第3格輸入格，路徑改成"/kaggle/input/{自定義資料集名稱}/Batch_answers - test_data(no_label).csv"
6. 點選右上角 `Save Version`，選擇`save` 執行，得到 predict 的結果 submission.csv，即可提交。