服务器上用SQuAD进行Bert的总结

一、pytorch版本的Bert

  github上已经有现成的代码，拉取到本地（为了后续基于transformers的学习我将整个工程都拉取了）：

git clone https://github.com/huggingface/transformers

1.1 中文预训练模型

  地址：抱抱脸

  点击list all files in model可以看到全部的模型文件。

1.2 SQuAD1.0数据集

  1、train-v1.1.json
  2、dev-v1.1.json
  3、evaluate-v1.1.py

1.3 SQuAD2.0数据集

  1、train-v2.0.json
  2、dev-v2.0.json
  3、evaluate-v2.0.py

1.4 运行命令

python run_squad.py \
  --model_type bert \
  --model_name_or_path bert-base-uncased \
  --do_train \
  --do_eval \
  --do_lower_case \
  --train_file /home/lab-hwj/classicdemo/Bert/SQuAD/train-v1.1.json \
  --predict_file /home/lab-hwj/classicdemo/Bert/SQuAD/dev-v1.1.json \
  --per_gpu_train_batch_size 12 \
  --learning_rate 3e-5 \
  --num_train_epochs 2.0 \
  --max_seq_length 384 \
  --doc_stride 128 \
  --output_dir /home/lab-hwj/classicdemo/out_squad

1.5 下游任务快速加载模型

from transformers import AutoTokenizer, AutoModelForMaskedLM

tokenizer = AutoTokenizer.from_pretrained("bert-base-chinese")
			
model = AutoModelForMaskedLM.from_pretrained("bert-base-chinese")

二、服务器运行代码出现问题及解决方法

2.1 no module named xxx

  一般来讲是没有安装需要的包导致的，直接pip install xxx 即可。

2.2 RuntimeError: CUDA error: all CUDA-capable devices are busy or unavailable

  由于是在实验室的服务器上跑代码，存在多个显卡情况。

  1、检查当前服务器使用情况

nvidia-smi

  显示当前显卡使用情况：

  显卡2可使用，那么：

export CUDA_VISIBLE_DEVICES=2

  指定使用编号为2的显卡。之后再运行代码即可。

三、测试结果

在dev上测试：

python /home/lab-hwj/classicdemo/Bert/SQuAD/evaluate-v1.1.py /home/lab-hwj/classicdemo/Bert/SQuAD/dev-v1.1.json /home/lab-hwj/classicdemo/out_squad/predictions_.json

结果：

Results: {'exact': 81.43803216650899, 'f1': 88.62932293097217, }