基本介绍
今天的应用实践是基于MindSpore通过GPT实现情感分类,这与之前的使用BERT模型实现情绪分类有异曲同工之妙,本次使用的模型是OpenAI开源的GPT,数据集是MindNLP内置的数据集imdb。我们将会使用该数据集对GPT进行训练,然后进行测试。由于数据集是内置的数据集,可以直接进行加载即可,若本地没有该数据集,则会先下载,再加载到内存,具体代码如下:
imdb_ds = load_dataset('imdb', split=['train', 'test'])
imdb_train = imdb_ds['train']
imdb_test = imdb_ds['test']
数据集一般不会直接符合模型的输入,所以要对数据集进行预处理,主要预处理就是batch划分和Token化,处理完毕进行数据集划分即可。具体代码如下:
import numpy as np
def process_dataset(dataset, tokenizer, max_seq_len=512, batch_size=4, shuffle=False):
is_ascend = mindspore.get_context('device_target') == 'Ascend'
def tokenize(text):
if is_ascend:
tokenized = tokenizer(text, padding='max_length