快捷導(dǎo)航

PyTorch預(yù)訓(xùn)練Bert模型的示例

更新時(shí)間：2020年11月17日 10:15:44 作者：BLACK

這篇文章主要介紹了PyTorch預(yù)訓(xùn)練Bert模型的示例，幫助大家更好的進(jìn)行機(jī)器學(xué)習(xí)，訓(xùn)練模型，感興趣的朋友可以了解下

本文介紹以下內(nèi)容：
1. 使用transformers框架做預(yù)訓(xùn)練的bert-base模型；
2. 開發(fā)平臺(tái)使用Google的Colab平臺(tái)，白嫖GPU加速；
3. 使用datasets模塊下載IMDB影評(píng)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。

transformers模塊簡(jiǎn)介

transformers框架為Huggingface開源的深度學(xué)習(xí)框架，支持幾乎所有的Transformer架構(gòu)的預(yù)訓(xùn)練模型。使用非常的方便，本文基于此框架，嘗試一下預(yù)訓(xùn)練模型的使用，簡(jiǎn)單易用。

本來打算預(yù)訓(xùn)練bert-large模型，發(fā)現(xiàn)colab上GPU顯存不夠用，只能使用base版本了。打開colab，并且設(shè)置好GPU加速，接下來開始介紹代碼。

代碼實(shí)現(xiàn)

首先安裝數(shù)據(jù)下載模塊和transformers包。

pip install datasets
pip install transformers

使用datasets下載IMDB數(shù)據(jù)，返回DatasetDict類型的數(shù)據(jù).返回的數(shù)據(jù)是文本類型，需要進(jìn)行編碼。下面會(huì)使用tokenizer進(jìn)行編碼。

from datasets import load_dataset

imdb = load_dataset('imdb')
print(imdb['train'][:3]) # 打印前3條訓(xùn)練數(shù)據(jù)

接下來加載tokenizer和模型.從transformers導(dǎo)入AutoModelForSequenceClassification， AutoTokenizer，創(chuàng)建模型和tokenizer。

from transformers import AutoModelForSequenceClassification, AutoTokenizer

model_checkpoint = "bert-base-uncased"

tokenizer = AutoTokenizer.from_pretrained(model_checkpoint)
model = AutoModelForSequenceClassification.from_pretrained(model_checkpoint, num_labels=2)

對(duì)原始數(shù)據(jù)進(jìn)行編碼，并且分批次(batch)

def preprocessing_func(examples):
  return tokenizer(examples['text'], 
           padding=True,
           truncation=True, max_length=300)

batch_size = 16

encoded_data = imdb.map(preprocessing_func, batched=True, batch_size=batch_size)

上面得到編碼數(shù)據(jù)，每個(gè)批次設(shè)置為16.接下來需要指定訓(xùn)練的參數(shù)，訓(xùn)練參數(shù)的指定使用transformers給出的接口類TrainingArguments,模型的訓(xùn)練可以使用Trainer。

from transformers import Trainer, TrainingArguments

args = TrainingArguments(
  'out',
  per_device_train_batch_size=batch_size,
  per_device_eval_batch_size=batch_size,
  learning_rate=5e-5,
  evaluation_strategy='epoch',
  num_train_epochs=10,
  load_best_model_at_end=True,
)

trainer = Trainer(
  model,
  args=args,
  train_dataset=encoded_data['train'],
  eval_dataset=encoded_data['test'],
  tokenizer=tokenizer
)

訓(xùn)練模型使用trainer對(duì)象的train方法

trainer.train()

評(píng)估模型使用trainer對(duì)象的evaluate方法

trainer.evaluate()

總結(jié)

本文介紹了基于transformers框架實(shí)現(xiàn)的bert預(yù)訓(xùn)練模型，此框架提供了非常友好的接口，可以方便讀者嘗試各種預(yù)訓(xùn)練模型。同時(shí)datasets也提供了很多數(shù)據(jù)集，便于學(xué)習(xí)NLP的各種問題。加上Google提供的colab環(huán)境，數(shù)據(jù)下載和預(yù)訓(xùn)練模型下載都非常快，建議讀者自行去煉丹。本文完整的案例下載

以上就是PyTorch預(yù)訓(xùn)練Bert模型的示例的詳細(xì)內(nèi)容，更多關(guān)于PyTorch預(yù)訓(xùn)練Bert模型的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: