离线使用bert_base_uncased

在复现代码RSTNet[1]时，其中bert模型训练需要从hugging face上下载预训练参数，但由于网络原因，始终无法连接上hugging face。因此，采用离线的方式进行。步骤如下：

1.进入Hugging Face – The AI community building the future. （需要梯子）在左上角检索bert-base-uncased，点击。

2.来到这个页面后，点击Files and versions。

3.下载文件，红色圈中部分全下，剩下的是对应不同框架的模型，例如本人是pytorch的代码，就下载了pytorch_model.bin（图中打勾的地方）。

4.全部下载之后，将其放入一个文件夹中，放置进入代码根目录，如下图（bert_base_uncased文件夹)。

5.接下来修改models/rstnet中的language_model.py文件中第42行：

self.language_model = BertModel.from_pretrained('bert-base-uncased', return_dict=True)

将其改为

self.language_model = BertModel.from_pretrained(BERT_PATH)

其中BERT_PATH为我们所命名文件夹的路径例如：

BERT_PATH = './bert_base_uncased'  （表示linux下当前目录下的bert_base_uncased，请注意，此时需要在代码根目录运行指令python train_language.py --exp_name bert_language --batch_size 50 --features_path /path/to/features --annotation_folder /path/to/annotations）

然后就可以正常运行了

引用：

[1]RSTNet：GitHub - zhangxuying1004/RSTNet: Official Code for 'RSTNet: Captioning with Adaptive Attention on Visual and Non-Visual Words' (CVPR 2021)