【踩坑记录】OpenPrompt工具包如何使用？

家人们，泪目啊！整整弄了好几个小时，终于是跑起来了，跑起来了啊家人们，一起看看我踩过了哪些坑吧。关于Prompt的介绍可以看博主的另外两篇文章：
简明扼要：红到发紫的prompt是什么？【上】
详细介绍：红到发紫的Prompt是什么？【下】

介绍

   OpemPromt是一个清华大学提出的专门针对第四范式开发的工具。PromptModel和PromptDataset是用来与pytorch兼容的两个数据结构。PLMs与Tokenizer支持调用和管理各种各样的预处理语言模型。Template是Prompt的特色，该工具提供了很多可供选择的模板。Dataset支持跨不同NLP任务数据集的使用。

   总而言之：OpenPrompt 提供一套完整的 Prompt Learning Pipeline，而其中每个 class 都继承了 torch 的类或者 huggingface 的类来实现，完美兼容最流行的深度学习框架和最流行的预训练模型框架，在代码风格和 pipeline 设计上也是完美贴合 huggingface 框架，让研究者可以以最少的学习成本上手和修改。

读者可以通过下面的参考资料和文献详细了解这个工具，本篇文章仅重点记录如何使用这个工具。

• 链接：https://github.com/thunlp/OpenPrompt
• 论文https://arxiv.org/abs/2111.01998
• 官方文档：https://thunlp.github.io/OpenPrompt/

安装

官方提供了两种安装方式，博主使用的是git方式

git clone https://github.com/thunlp/OpenPrompt.git
cd OpenPrompt
python setup.py install

此处有一个小坑，上面这三行命令是官方文档中的教程，相比于git中的readme中少了一行

pip install -r requirements.txt

requirements.txt里面记录的是一部分需要安装的工具包，刚开始我只是扫了一眼，发现有很多我已经安装过的包（比如torch，tansformers等），所以抱着偷懒的心态没有执行这一条命令，导致后面不停地找补🥺（频繁报错：no module），建议有条件的读者直接依次运行下面四行命令安装：

git clone https://github.com/thunlp/OpenPrompt.git
cd OpenPrompt
pip install -r requirements.txt
python setup.py install

运行

小demo

下载好之后可以打开tutorial文件夹中的脚本进行学习，不过，对我这种小白来说，还是不愿意直接看太长的例子，所以打算从官方文档中的sample入手。根目录下新建一个py文件

# step1:
import torch
from openprompt.data_utils import InputExample
classes = [ # There are two classes in Sentiment Analysis, one for negative and one for positive
    "negative",
    "positive"
]
dataset = [ # For simplicity, there's only two examples
    # text_a is the input text of the data, some other datasets may have multiple input sentences in one example.
    InputExample(
        guid = 0,
        text_a = "Albert Einstein was one of the greatest intellects of his time.",
    ),
    InputExample(
        guid = 1,
        text_a = "The film was badly made.",
    ),
]
# step 2
from openprompt.plms import load_plm
plm, tokenizer, model_config, WrapperClass = load_plm("bert", "bert-base-cased")
#step3
from openprompt.prompts import ManualTemplate
promptTemplate = ManualTemplate(
    text = '{"placeholder":"text_a"} It was {"mask"}',
    tokenizer = tokenizer,
)
#step4
from openprompt.prompts import ManualVerbalizer
promptVerbalizer = ManualVerbalizer(
    classes = classes,
    label_words = {
        "negative": ["bad"],
        "positive": ["good", "wonderful", "great"],
    },
    tokenizer = tokenizer,
)
#step 5
from openprompt import PromptForClassification
promptModel = PromptForClassification(
    template = promptTemplate,
    plm = plm,
    verbalizer = promptVerbalizer,
)
#step 6
from openprompt import PromptDataLoader

data_loader = PromptDataLoader(
    dataset=dataset,
    tokenizer=tokenizer,
    template=promptTemplate,
    tokenizer_wrapper_class=WrapperClass,
)
# step 7
# making zero-shot inference using pretrained MLM with prompt
promptModel.eval()
with torch.no_grad():
    for batch in data_loader:
        logits = promptModel(batch)
        preds = torch.argmax(logits, dim=-1)
        print(classes[preds])
# predictions would be 1, 0 for classes 'positive', 'negative'

右键运行这个脚本，有可能此时还是会报错，根据提示，缺什么就pip install什么（由于前一步的偷懒，我感觉我至少pip了十几次😅）。直到控制台成功预测出标签，说明上面的demo运行成功。

cannot import name ‘load_dataset’

我想重点记录一下这个报错，提醒自己不要偷懒。根据控制台的提示可以发现，这是由于某些脚本中某一句import报红导致的错误：

from datasets import load_dataset

看到这个datasets，我理所当然地认为是在OpenPrompt\datasets这个文件夹下引入load_dataset，尝试了很多办法，完全没找到datasets中有任何py脚本，因为这个问题浪费了很多时间，后来才发现，requirements.txt中有提示需要安装datasets这个包，这就说明上述import的是需要安装的外部包，并不是项目里面现存的包，只是作者取了相同的名字而已😭。只需要pip一下就完事儿了。

pip install datasets

下载数据集

datasets文件夹中有各种sh文件，里面存储的是下载实验数据的shell脚本，根据需要，读者可以选择自己想要的数据集进行下载。因为我的电脑是windows，在pycharm中执行这些脚本会更加方便。参考这篇博客：https://blog.csdn.net/weixin_43897187/article/details/118406368
解决了直接用pycharm运行shell的问题。设置完成之后，我的shell path是这样的：

如果不记得自己的git安装目录在哪里，在cmd中输出 where git 既可以看到了（保姆级别的教程了有没有！）
继续尝试运行shell脚本，可能会报错：wget：command not found

参考这篇博客：https://blog.csdn.net/u013810234/article/details/104408009完美解决。运行shell脚本就可以看到数据集已经被下载下来了。

demo详解

既然已经可以跑通了，那么我们一起来看一下官方给的小小demo都有哪些值得学习的地方吧🥳~

第一步：确定NLP任务

确定NLP任务也就是需要确定输出标签以及数据集。这里的输出标签指的是下游任务的输出，也就是y。本例只有两个类别，表示情感正向的positive，和情感负向的negative。

# 第一步：确定NLP任务（简单起见以情感分析作为例子）
import torch
from openprompt.data_utils import InputExample
# 1. 确定类别：也就是确定数据标签，本例只有两个类别，表示情感正向的positive，和情感负向的negative
classes = [
    "negative",
    "positive"
]
# 2.确定数据集：为了简单起见，这里只有两个例子text_a是数据的输入文本，一些其他数据集可能在一个例子中有多个输入句子
dataset = [
    InputExample(
        guid = 0,
        text_a = "Albert Einstein was one of the greatest intellects of his time.",
    ),
    InputExample(
        guid = 1,
        text_a = "The film was badly made.",
    ),
    InputExample(
        guid = 2,
        text_a = "That is wonderful.",
    ),
]

这个小demo没有从外部加载数据集，这是简单构造了一个测试句子。对于一个正常的流程，需要从外部加载训练测试集和测试集。

第二步：确定预训练语言模型

这里加载的是一个训练好的bert语言模型，这也是为什么上一步只有测试数据没有训练数据的原因。

# 第二步：定义预训练语言模型(PLMs)作为主干。
from openprompt.plms import load_plm
plm, tokenizer, model_config, WrapperClass = load_plm("bert", "bert-base-cased") # 这里选择的预训练语言模型是bert

第三步：定义模板

这一块对应就是模板工程中的问题了，本例采用的格式是 [x],It was [Z]，x对应代码中的text_a，应填入输入语句。Z对于mask，是LM的预测结果。

# 第三步：定义模板。
from openprompt.prompts import ManualTemplate
promptTemplate = ManualTemplate(
    text = '{"placeholder":"text_a"} It was {"mask"}',
    tokenizer = tokenizer,
)

第四步：答案映射

这一块对应的是答案工程，在这个例子中把消极类投射到单词bad，把积极类投射到单词good, wonderful, great。

# 第四步：定义Verbalizer是另一个重要的
# Verbalizer将原始标签投射到一组lable单词中。在这个例子中把消极类投射到单词bad，把积极类投射到单词good, wonderful, great
from openprompt.prompts import ManualVerbalizer
promptVerbalizer = ManualVerbalizer(
    classes = classes,
    label_words = {
        "negative": ["bad"],
        "positive": ["good", "wonderful", "great"],
    },
    tokenizer = tokenizer,
)

第五步：构造PromptModel

promptModel有三个对象，分别是：PLM,Prompt,Verbalizer，分别对应Prompt研究重点中的这三个部分：

# 第五步:将它们合并到PromptModel中
# 给定任务，现在我们有一个PLM、一个模板和一个Verbalizer，我们将它们合并到PromptModel中。
# 请注意，尽管示例简单地组合了三个模块，但实际上可以在它们之间定义一些复杂的交互。
from openprompt import PromptForClassification
promptModel = PromptForClassification(
    template = promptTemplate,
    plm = plm,
    verbalizer = promptVerbalizer,
)

第六步:构造PromptDataLoader

与数据加载和数据处理有关

# 第六步:定义DataLoader
# PromptDataLoader基本上是pytorch Dataloader的prompt版本，它还包括一个Tokenizer、一个Template和一个TokenizerWrapper。
from openprompt import PromptDataLoader

data_loader = PromptDataLoader(
    dataset=dataset,
    tokenizer=tokenizer,
    template=promptTemplate,
    tokenizer_wrapper_class=WrapperClass,
)

第七步：零样本预测

在上述过程中，没有用任何训练数据对Bert进行调整，就实现了零样本的情感分类。只需要将Model处理为PromptModel，DataLoader处理为PromptDataLoader就可以向基于Pytorch的其他机器学习一样完成训练和测试。

# 第七步：训练和预测：完成了!我们可以像Pytorch中的其他过程一样进行训练和推理。
# making zero-shot inference using pretrained MLM(masked language model) with prompt
promptModel.eval()
with torch.no_grad():
    for batch in data_loader:
        logits = promptModel(batch)
        preds = torch.argmax(logits, dim=-1)
        print(classes[preds])
# predictions would be 1, 0 for classes 'positive', 'negative'