BERT实战(下)-自然语言推理任务

上半部分介绍了如何从BERT模型提取嵌入,下半部分介绍如何针对下游任务进行微调,分为四个任务。

下游任务:

  1. 情感分类任务
  2. 自然语言推理任务
  3. 问答任务
  4. 命名实体识别任务

微调方式:

  1. 分类器层与BERT模型一起更新权重(通常情况且效果更好
  2. 仅更新分类器层的权重而不更新BERT模型的权重。BERT模型仅作为特征提取器

1 自然语言推理任务

1.1 任务说明

确定在给定前提下,一个假设是必然的(真)、矛盾的(假)还是未定的(中性)


自然语言推理任务的样本数据集

1.2 代码

from transformers import AutoModelForSequenceClassification, AutoTokenizer, Trainer, TrainingArguments
from transformers import DataCollatorWithPadding
from nlp import load_dataset
import evaluate
import numpy as np
from transformers import pipeline
from transformers.pipelines.pt_utils import KeyDataset, KeyPairDataset

# entailment: 包含, neutral: 中性, contradiction: 矛盾
id2label = {0: "entailment", 1: "neutral", 2: "contradiction"}
label2id = {"entailment": 0, "neutral": 1, "contradiction": 2}


def train():
    # snli数据集: https://huggingface.co/datasets/snli
    # snli数据集可视化:https://huggingface.co/datasets/viewer/?dataset=snli
    dataset = load_dataset('snli', split=['train[:10%]', 'validation[:100]'])
    print('dataset: {}'.format(dataset))

    train_set = dataset[0].filter(lambda x: x['label'] != -1)
    test_set = dataset[1].filter(lambda x: x['label'] != -1)
    print('train_set[0]: {}'.format(train_set[0]))
    print('test_set[0]: {}'.format(test_set[0]))
    print('train_set: {}'.format(train_set))
    print('test_set: {}'.format(test_set))

    model = AutoModelForSequenceClassification.from_pretrained('bert-base-uncased', num_labels=3, id2label=id2label, label2id=label2id)
    tokenizer = AutoTokenizer.from_pretrained('bert-base-uncased')

    def preprocess_function(examples):
        return tokenizer(examples['premise'], examples['hypothesis'], truncation=True)

    train_set = train_set.map(preprocess_function, batched=True)
    test_set = test_set.map(preprocess_function, batched=True)

    # 按一个batch的最大长度补齐,而非整个数据集的最大长度补齐
    data_collator = DataCollatorWithPadding(tokenizer=tokenizer)

    # 查看所有评估指标: evaluate.list_evaluation_modules("metric")
    accuracy = evaluate.load('accuracy')

    def compute_metrics(eval_pred):
        predictions, labels = eval_pred
        predictions = np.argmax(predictions, axis=1)
        return accuracy.compute(predictions=predictions, references=labels)

    # 预训练参数
    training_args = TrainingArguments(
        output_dir='./results',
        logging_dir='./logs',
        optim='adamw_torch',
        learning_rate=2e-5,
        per_device_train_batch_size=8,
        per_device_eval_batch_size=8,
        num_train_epochs=10,
        weight_decay=0.01,
        warmup_steps=500,
        evaluation_strategy='epoch',
        save_strategy='epoch',
        load_best_model_at_end=True,
        metric_for_best_model='accuracy',
    )

    trainer = Trainer(
        model=model,
        args=training_args,
        train_dataset=train_set,
        eval_dataset=test_set,
        tokenizer=tokenizer,
        data_collator=data_collator,
        compute_metrics=compute_metrics
    )

    trainer.train()
    trainer.evaluate()


def inference():
    # 推导,真实label=1/neutral,训练完这个case预测错了0v0
    premise = 'This church choir sings to the masses as they sing joyous songs from the book at a church.'
    hypothesis = 'The church has cracks in the ceiling.'
    # pipline类型: https://huggingface.co/docs/transformers/main_classes/pipelines
    classifier = pipeline('text-classification', model='./results/checkpoint-68700', tokenizer='bert-base-uncased')
    result = classifier({"text": premise, "text_pair": hypothesis}, top_k=None)
    print('premise: {}\nhypothesis: {}\nresult: {}\n'.format(premise, hypothesis, result))

    print('开始预测整个测试集')
    test_set = load_dataset('snli', split='test[:100]').filter(lambda x: x['label'] != -1)
    predictions = []
    for out in classifier(KeyPairDataset(test_set, 'premise', 'hypothesis')):
        predictions.append(label2id[out['label']])
    print('predictions: {}'.format(predictions))
    labels = []
    for label in KeyDataset(test_set, 'label'):
        labels.append(label)
    print('labels:      {}'.format(labels))
    # 有时候需要开代理, 不然会卡住
    accuracy = evaluate.load('accuracy')
    print(accuracy.compute(predictions=predictions, references=labels))
    # premise: This church choir sings to the masses as they sing joyous songs from the book at a church.
    # hypothesis: The church has cracks in the ceiling.
    # result: [{'label': 'contradiction', 'score': 0.9999877214431763}, {'label': 'neutral', 'score': 1.0622567970131058e-05}, {'label': 'entailment', 'score': 1.7016249103107839e-06}]
    # 开始预测整个测试集
    # predictions: [2, 0, 2, 1, 1, 1, 0, 1, 2, 1, 0, 2, 1, 0, 2, 2, 0, 1, 1, 2, 1, 2, 0, 1, 1, 2, 0, 0, 1, 2, 2, 1, 0, 0, 1, 2, 0, 0, 1, 0, 1, 2, 2, 1, 1, 1, 1, 0, 1, 2, 1, 0, 2, 1, 2, 0, 0, 2, 1, 0, 2, 1, 2, 0, 2, 0, 0, 2, 2, 1, 0, 2, 0, 1, 2, 0, 1, 0, 1, 0, 2, 2, 0, 0, 2, 1, 2, 1, 0, 1, 2, 0, 1, 0, 2, 2, 0, 1, 1]
    # labels:      [1, 0, 2, 1, 0, 2, 0, 1, 2, 1, 0, 2, 0, 0, 2, 2, 0, 1, 0, 2, 1, 2, 0, 1, 1, 2, 0, 0, 1, 2, 2, 0, 0, 0, 1, 2, 1, 0, 2, 0, 1, 2, 2, 0, 1, 1, 2, 0, 1, 2, 1, 0, 2, 1, 2, 0, 0, 2, 1, 0, 2, 1, 1, 0, 2, 0, 1, 1, 2, 1, 0, 2, 0, 1, 2, 0, 1, 0, 0, 2, 2, 2, 0, 0, 2, 1, 2, 1, 0, 1, 2, 0, 1, 0, 2, 2, 0, 1, 1]
    # {'accuracy': 0.8484848484848485}

参考资料

[1]. BERT基础教程Transformer大模型实战
[2]. pipline文档: https://huggingface.co/docs/transformers/main_classes/pipelines
[3]. snli数据集文档: https://huggingface.co/datasets/snli
[4]. tokenizer函数的参数truncation=True是什么意思:https://blog.csdn.net/weixin_54227557/article/details/130308052

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,639评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,277评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,221评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,474评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,570评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,816评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,957评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,718评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,176评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,511评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,646评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,322评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,934评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,755评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,987评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,358评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,514评论 2 348

推荐阅读更多精彩内容