美文网首页
from_pretrained的一个细节

from_pretrained的一个细节

作者: 一个迷人的昵称 | 来源:发表于2021-12-28 16:24 被阅读0次

写这篇的目的主要是记录在使用huggingface的transformers的bert部分from_pretrained的一些细节,以下主要以文本分类为例。

第一种方案:利用BertForSequenceClassification
model = BertForSequenceClassification.from_pretrained("bert-base-uncased", config=config)
第二种方案:BertForSequenceClassification+后续处理

这里继承了BertForSequenceClassification,然后取句子表示在做两层dnn进行分类,至于为什么不直接用BertModel获取句子表示然后接着搞的原因是,之前的实验是通过继承的这种方法比直接搞效果要好(是的我也不理解つ﹏⊂

class Classify(BertForSequenceClassification):
    def __init__(self, bert_dir):
        super(Classify, self).__init__(bert_dir)
        if device == 'cuda':
            self.dense_1 = nn.Linear(768, 768).cuda()
            self.dense_2 = nn.Linear(768, args.label_num).cuda()
            self.dropout = nn.Dropout(0.5).cuda()
            self.softmax = nn.Softmax().cuda()
        else:
            self.dense_1 = nn.Linear(768, 768)
            self.dense_2 = nn.Linear(768, args.label_num)
            self.dropout = nn.Dropout(0.5)
            self.softmax = nn.Softmax()
第三种方案:一个朴实的类,自己init BertModel

具体的代码略


这里主要想说第二种方案,在创建了这种形式的Model.py后,要如何实例化呢?

一共尝试了两种方法:

  1. model = Classify(args.bert_model)
  2. model = Classify.from_pretrained(args.bert_model)

经过()缜密的实验,上面第一种方法是不可以的,会导致每次load的BertModel的embedding向量都是随机初始化的,验证方法:debug看看self.bert.embeddings.word_embeddings.weight是不是每次运行都一样。

这就说明只能用第二种方法,但是这个初始化方法与常见的python类初始化方法略有不一样,这是为什么呢?

搜索了很久才发现有一位同志也产生了以下的困扰,是故翻出from_pretrained源码

@classmethod
def from_pretrained(cls, pretrained_model_name_or_path: Optional[Union[str, os.PathLike]], *model_args, **kwargs):
    ...
    return model

因此,能使用xx.from_pretrained进行初始化的原因就是,这里采用classmethod进行了修饰。

进到代码里在读一小段:

# Instantiate model.
if is_deepspeed_zero3_enabled():
    import deepspeed

    logger.info("Detected DeepSpeed ZeRO-3: activating zero.init() for this model")
    # this immediately partitions the model across all gpus, to avoid the overhead in time
    # and memory copying it on CPU or each GPU first
    with deepspeed.zero.Init(config_dict_or_path=deepspeed_config()):
        with no_init_weights(_enable=_fast_init):
            model = cls(config, *model_args, **model_kwargs)
else:
    with no_init_weights(_enable=_fast_init):
        model = cls(config, *model_args, **model_kwargs)

这句model = cls(config, *model_args, **model_kwargs)clsclassmethod修饰后表示自身类的参数(用于调用自己这个类的属性)),进行了类的初始化操作,这样就解释了为什么能用from_pretrained来初始化模型。


classmethod可以参考:

粗暴版:如果一个类的方法需要调用自身类的属性,用classmethod;否则就用staticmethod即可。


补充:

如果按照方案2并且希望传入一些自己的参数咋办呢?可以先这么写:(其实这属于python编程问题的范畴了

class Classify(BertForSequenceClassification):
    def __init__(self, bert_dir, **kwargs):
        super(Classify, self).__init__(bert_dir)
        num_labels = kwargs.pop("test", 3)

        if device == 'cuda':
            self.dense_1 = nn.Linear(768, 768).cuda()
            self.dense_2 = nn.Linear(768, num_labels).cuda()
            self.dropout = nn.Dropout(0.5).cuda()
            self.softmax = nn.Softmax().cuda()
        else:
            self.dense_1 = nn.Linear(768, 768)
            self.dense_2 = nn.Linear(768, num_labels)
            self.dropout = nn.Dropout(0.5)
            self.softmax = nn.Softmax()

调用:

model = Classify.from_pretrained(pretrained_model_name_or_path=args.bert_model, test=num_labels)

这里有个小坑的地方,在调用时,第一个参数名称一定要是这个:pretrained_model_name_or_path(或者省略)。其它自己想要传入的参数(如test),尽量起一个其它的名字,不要和transformers包中的起名有重复,原因是在from_pretrained函数中有一系列pop的操作(如下图)

image.png

一些好看的命名方式会在init过程中被pop出去,然后在Classify类就找不到了(不过我没有找到pop出num_labels的位置)

一个错误的调用示范:

model = Classify.from_pretrained(pretrained_model_name_or_path=args.bert_model, num_labels=num_labels)

我们会发现kwargs是空的:

image.png

而我们希望的是:

image.png

总体来说,BertForSequenceClassification设计之初可能就没打算继承出来接着搞更多的东西,现在用from_pretrained+kwargs能绕开一些小坑,不过总归还是哪里不对劲┑( ̄Д  ̄)┍

相关文章

  • from_pretrained的一个细节

    写这篇的目的主要是记录在使用huggingface的transformers的bert部分from_pretrai...

  • 踩坑记录

    模型加载参数不匹配 出现场景,使用transformers包的预训练模型 from_pretrained加载hug...

  • pytorch:Transformers入门(四)

    前面学习了Bert相关的类,每个类在实例化时,使用from_pretrained函数加载与训练的模型参数来初始化,...

  • 12.27 团队领导力日课感悟

    细节决定成败,作为管理者,既要关注长远,又要注重细节。 细节,体现了一个团队的面貌。一个不注重细节的团队,是不会得...

  • 注重细节

    细节的重要性 ……细节体现一个人的素质,细节有时候也决定一个人的成败 ……细节也决定一个人工作上的成绩 …...

  • 一个细节

    作为一名检验工作者,工作中会经常接触到各类酸碱,怀着一颗敬畏之心,也很重视保护自己,但今天同事的一个小细节,还是触...

  • 一个细节

    又开了一本新的书来读,是汉德克的《痛苦的中国人》,实际上内容和中国人没什么关系,起码就我刚开始读来看。也不是一本望...

  • 一个细节

    每天早上去买早餐,都会碰到要打包的人,当然我也是其中之一。 人多了,店员有点忙不过来,显得有些慌忙仓促。这个现象一...

  • 一个细节

    今天我干办公室值日,扫完地倒完垃圾,我去涮拖把。此时正好下课,我头拧小水龙头冲着拖把,我赶紧去教室通知收作业。我立...

  • 一个28岁的男人决定开始写日记

    日记的作用是“研几”,几就是细节,就是抓住生活中的细节,通过每一个细节来改变自己,而不是在细节上轻轻滑过去。一个细...

网友评论

      本文标题:from_pretrained的一个细节

      本文链接:https://www.haomeiwen.com/subject/oqvpqrtx.html