BERT-NER-Pytorch运行记录

最新推荐文章于 2024-08-08 07:45:21 发布
最新推荐文章于 2024-08-08 07:45:21 发布
阅读量1.1k 收藏 7
点赞数 3
文章标签： pytorch bert 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lyy_fighting/article/details/126010593
版权
本文记录了在PyTorch环境中运行BERT进行命名实体识别（NER）时遇到的问题及解决过程，包括h5py版本不匹配、预训练模型下载、参数设置等。尝试了指定任务名、数据目录、模型类型、模型路径和输出目录，但依然遇到相同错误。问题可能出在参数解析的位置和方式上。
摘要由CSDN通过智能技术生成

GitHub代码来源

运行代码

安装好后。
使用工作站中原先就弄好的pytorch1虚拟环境。
直接执行
run_ner_crf.py 后报错。

UserWarning: h5py is running against HDF5 1.10.6 when it was built against 1.10.4, this may cause pr

然后用

conda install hdf5=1.10.4

安装后重新。
发现他的预训练模型那里是空的。于是去下载。
在这里插入图片描述
根据描述应该用google的bert base。但是以防万一都下了。
运行报错。缺少参数。

run_ner_crf.py: error: the following arguments are required: --task_name, --data_dir, --model_type, --model_name_or_path, --output_dir

找到main函数里传参的地方

def main():
    args &
最低0.47元/天 解锁文章
f�f�
关注
  • 3
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
BERT-NER-Pytorch：使用BERT（Softmax，CRF，Span）的中文NER（命名实体识别）
02-03
使用Bert的中文NER BERT代表中文NER。 数据集列表 cner：数据集/ cner 主持人： ： 型号清单 BERT + Softmax BERT + CRF BERT +跨度 需求 1.1.0 = <PyTorch <1.5.0 cuda = 9.0 python3.6 + 输入格式 输入格式（首选BIOS标记方案），每个字符的标签为一行。 句子用空行分隔。 美 B-LOC 国 I-LOC 的 O 华 B-PER 莱 I-PER 士 I-PER 我 O 跟 O 他 O 运行代码 在run_ner_xxx.py或run_ner_xxx.sh修改配置信息。 sh scripts/run_ner_xxx.sh 注意：模型的文件结构 ├── prev_trained_model | └── bert_base | | └── pytorch_model.bin | | └── config.json | | └── vocab.txt | | └── ...... CLUENER结果 BERT在dev上的整体性能： 准确性（实体） 召回（实
BERT-NER-Pytorch：三种不同模式的BERT中文NER实验-python
06-18
BERT-NER-Pytorch：三种不同模式的BERT中文NER实验
BERT-NER-Pytorch 项目使用教程
gitblog_00684的博客
08-08 297
BERT-NER-Pytorch 项目使用教程 BERT-NER-PytorchChinese NER(Named Entity Recognition) using BERT(Softmax, CRF, Span)项目地址:https://gitcode.com/gh_mirrors/be/BERT-NER-Pytorch 1. 项目的目录结构及介绍 BERT-NER-Pytorch/ ├──...
BERT-NER:用BERT的Pytorch命名实体识别
05-12
伯特·纳尔 使用google BERT进行CoNLL-2003 NER！ 使用Python训练模型并使用C ++进行推理 要求 python3 pip3 install -r requirements.txt 跑步 python run_ner.py --data_dir=data/ --bert_model=bert-base-cased --task_name=ner --output_dir=out_base --max_seq_length=128 --do_train --num_train_epochs 5 --do_eval --warmup_proportion=0.1 结果 BERT库 验证数据 precision recall f1-score support PER 0.9677 0.9745
pytorch+bert NER任务踩坑记录
studyvcmfc的专栏
08-05 766
https://zhuanlan.zhihu.com/p/295248694
BERT-NER-Pytorch-master
08-17
BERT-NER-Pytorch-master
NER-BERT-pytorch-master_ner_
10-03
总的来说，"NER-BERT-pytorch-master"项目提供了一个完整的从数据处理到模型训练，再到预测的NER流程，对于理解如何在实际中运用BERT进行NER有极大的参考价值。通过深入研究这个项目，开发者不仅可以掌握NER的基本...
BERT-NER-Pytorch 深度学习教程
最新发布
gitblog_01091的博客
08-08 647
BERT-NER-Pytorch 深度学习教程 BERT-NER-PytorchChinese NER(Named Entity Recognition) using BERT(Softmax, CRF, Span)项目地址:https://gitcode.com/gh_mirrors/be/BERT-NER-Pytorch 1. 项目介绍 BERT-NER-Pytorch 是一个基于PyTor...
基础pytorch和bert的ner模型，实现断句，标点符号预测.zip
10-19
基础pytorch和bert的ner模型，实现断句，标点符号预测.zip
Python-PyTorch实现的BERT多标签文本分类
08-10
This repo contains a PyTorch implementation of a pretrained BERT model for multi-label text classification.
Python-这是GoogleBERT模型的一个Pytorch重新实现
08-10
这是Google BERT模型的一个Pytorch重新实现
探索BERT-NER-Pytorch: 利用预训练模型进行命名实体识别
gitblog_00033的博客
04-25 730
探索BERT-NER-Pytorch: 利用预训练模型进行命名实体识别 BERT-NER-PytorchChinese NER(Named Entity Recognition) using BERT(Softmax, CRF, Span)项目地址:https://gitcode.com/gh_mirrors/be/BERT-NER-Pytorch 在这个数字化的时代，自然语言处理（NLP）已经...
Bert学习笔记--使用篇（pytorch）（附源码）（入门级）
2401_82949788的博客
02-16 2114
1、进入pycharm，新建项目2、输入项目信息。
命名实体识别NER-通用序列标注-pytorch
Neleuska的博客
03-07 2632
通用NER框架
pytorch Bert模型初尝试
weixin_42320758的博客
03-20 375
pytorch Bert模型初尝试 关于Bert模型就不多介绍了，一直想找一个看上去比较简洁的代码，了解学习Bert模型是如何在pytorch下使用的，昨天在GitHub上发现了一个仓库 Bert-Chinese-Text-Classification-Pytorch，觉得还挺不错。就稍微提炼下代码，只留下Bert部分的，方便深入一步步的了解Bert，以及如何使用，在此做个记录。 数据集可以在GitHub仓库获取。 模型就是chinese_L-12_H-768_A-12，需要先转成pytorch版的。 代码
BERT 命名实体识别 (pytorch实现)
lft_happiness的博客
05-22 2203
命名实体识别 BERT(pytorch实现)
bert-ner-pytorch
07-25
BERT-NER-PyTorch是一个基于PyTorch深度学习框架的BERT命名实体识别（NER）模型。BERT是一种在大规模未标记文本上训练的预训练模型，它可以用于各种自然语言处理任务。 BERT-NER-PyTorch利用已经使用大量标记数据...
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值