Finetune时利用自己的训练数据或者测试数据

以huggingface- transformer中实现的的text-classification为例。

在使用bash运行时，删掉task_name 或是其他可以自动下载数据集的传入参数。

按需增加以下传入参数

（训练/测试/验证集要是.csv或者.json文件）

--train_file 训练集地址 \
--validation_file 验证集地址 \
--test_file 测试集地址 \
--do_train \
--do_eval \
--do_predict \

以下是我的bash：

python3 run_glue.py \
  --model_name_or_path bert-base-uncased \
  --train_file ./data/train.csv \
  --validation_file ./data/dev.csv \
  --test_file ./data/test.csv \
  --do_train \
  --do_eval \
  --do_predict \
  --max_seq_length 128 \
  --per_device_train_batch_size 8 \
  --learning_rate 2e-5 \
  --num_train_epochs 3 \
  --output_dir /tmp/run_glue/

之后在加载数据的时候就会加载自己的数据了

加载本地数据代码段（transformers代码）

# Loading a dataset from your local files.
# CSV/J