如果在上文成功運行 bash ./download.sh 后，我們就得到完整的DrQA項目，接下來我們將通過訓練一個實例去了解DrQA系統。我們的工程只用到了DrQA的閱讀理解部分，所以實際操作可能和DrQA官網上有些不一樣，但是流程是一致的，主要分為數據處理、訓練並生成模型、利用模型進行交互這三個部分。
1.數據處理
運行python prepro.py.
數據處理是我們需要了解最為詳細的部分（事實上我們在模型訓練的部分無需做太多的改動。）
（1）flatten_json：
flatten_json的作用是將實際數據進行解析，並將訓練集處理為row（id_, context, question, answer, answer_start, answer_end），驗證集處理為(id_, context, question, answer)。其中的answer_start, answer_end分別表示問題在文本中起始的位置與結束的位置。這部分的代碼需要根據實際需要去更改，原工程的訓練集與驗證集放在SQuAD下，可以在loadDataset下方的trn_file = 'SQuAD/xxxx'；dev_file = 'SQuAD/xxxx'進行修改。
（2）init：
init是初始化的地方，spacy之類的tokenizer就在此處初始化；由於我們的工程借助到哈工大的pyltp，所以 Segmentor，Postagger，NamedEntityRecognizer的model的導入也在此處進行。
（3）annotate：
annotate是將導入的數據處理成基本特征的部分。返回的參數格式是(id_, context_tokens, context_features, context_tags, context_ents,question_tokens, context, context_token_span，id, context, question）。其中context_tags、context_ents分別是詞性標識和命名實體標識；context_features則由match_origin, match_lower, match_lemma, context_tf組成，其中match_lower, match_lemma在中文自然語言分析中是沒有的；而context_token_span則是標識每個詞在文段中的位置。
（4）build_vocab和to_id
這部分將會把每個詞語與詞向量文件相互對應，將每個詞轉換為詞向量中的ID。原系統的詞向量是在glove中的glove.840B.300d.txt，有5.6G那么大，每個詞的維度都為300，可以在如下代碼處自定義詞向量文件的位置和每個詞的維度。在轉換好后，原來的每個詞語都將被標記為一個ID，通過這個ID便可以檢索其對應的300維向量。
parser.add_argument('--wv_file', default='glove/glove.840B.300d.small.txt',help='path to word vector file.')
parser.add_argument('--wv_dim', type=int, default=300,help='word vector dimension.')
接下來就是寫入文件的部分，在提示saved to disk后，文件將被存到SQuAD/sample.msgpack中，然后便可以用其進行訓練。在預處理過程中有可能會報缺少__init__.py，這時可以嘗試建立一個空的__init__.py在drqa目錄下。
2.訓練
運行python train.py.
訓練這部分比較復雜，train會調用model.py，layers.py，rnn_reader.py這些文件去進行訓練，會耗費大量的時間，在trian里面有參數設定的說明。如:
parser.add_argument('-e', '--epochs', type=int, default=40)
parser.add_argument('-bs', '--batch_size', type=int, default=32)
parser.add_argument('-rs', '--resume', default='best_model.pt',
help='previous model file name (in `model_dir`). '
'e.g. "checkpoint_epoch_11.pt"')
parser.add_argument('-ro', '--resume_options', action='store_true',
help='use previous model options, ignore the cli and defaults.')
parser.add_argument('-rlr', '--reduce_lr', type=float, default=0.,
help='reduce initial (resumed) learning rate by this factor.')
運行時候可能會報缺少cuda，可以通過注釋model中的#'torch_cuda_state': torch.cuda.get_rng_state() （不懂為什么設置了--cuda False依舊會報錯）
訓練得到的每個checkpoint和best model都會被存到models文件夾下。需要注意的是，每次開始訓練時，train都會去加載原有的model，因此在采用不同數據集進行計算時候會出現維度不匹配的錯誤,因此我們需要把models里的文件及時遷移。
3.交互
至此，我們便跑完了一整個DrQA的流程。由於這篇只是簡單的隨筆，所以可能存在紕漏和講訴不清晰的地方，還請見諒。