NLP小白怎么自己复现一篇论文的代码

本文可拆分看，直接看自己有疑惑的部分

一、准备工作

找到自己想要复现的项目：

要复现代码，首先要有自己想要复现的项目，这点不用说，可以自己直接在浏览器或者csdn之类的搜索自己的研究领域的SOTA论文，然后在里面找到对应的项目地址，一般都在github能找到。

以下是我使用的。

论文：Unified Named Entity Recognition as Word-Word Relation Classification
附上github地址（文明上网，我直连的）：ljynlp/W2NER: Source code for AAAI 2022 paper: Unified Named Entity Recognition as Word-Word Relation Classification (github.com)

论文如有侵权，请联系我删除。

下载项目（以github上的为例）：

以我复现的为例，论文中有给出项目地址（一般在摘要或者第一页的脚注，我的这个在脚注）。

复制地址，在浏览器

点击下载，然后解压到容易找到的路径

阅读README.md

看项目的指示，每个项目里面都有README.md。里面详细的写了运行代码之前的准备工作，如图：

第一张图片是打开README.md，第二、三张图片是README里面的提示。我们可以知道运行代码需要的环境和依赖，以及需要下载的数据集还有处理数据集。

示例—创建环境（可以直接看 二）：

（本地版本，使用服务器可不看）

创建虚拟环境需要使用Anaconda，下载完Anaconda之后，打开命令窗口（搜索教程下载）

如下，我们在conda里面创建了一个名字为myenv（我一般设置成项目名字）的环境，并且python版本为3.8.12，cuda版本为11.4

conda create --name myenv python=3.8.12 cudatoolkit=11.4

（远程服务器版本）：

一般都有配置好的，默认版本应该都是3.8，cuda也都有，我没管过，如果需要调整python版本可以搜怎么在远程服务器调整，不难。一般环境不用动，大部分都是兼容的，如果有特殊需要再搜对应的调整版本的教程。第二章的对应部分我也有写，可以直接看第二章怎么搞的。

示例—创建依赖（可以直接看 二）：

（本地版本）

在Anaconda终端（可以自己学一下怎么使用conda），路径切换到使用的虚拟环境（也就是激活环境），输入下面的代码，回车

激活环境：

conda activate myenv

 安装依赖：

pip install argparse numpy prettytable torch transformers scikit-learn

环境和依赖可以自己创建，依赖使用pip安装，这些都可以搜教程。推荐使用conda创建虚拟环境（直接搜怎么使用conda），每个项目创建独立的环境，这样依赖不容易冲突。

（远程服务器版本）：

见第二章

处理数据集：

项目中给出了示例数据集：（如左图）

我点击链接下载数据集：（中图）

我下载完之后需要把数据集copy到data文件目录底下（如右图）

data/example 实际上是data文件夹下面有一个example，可以直接删除，实在不会就连data文件夹一起删除，然后在原来的路径下重新创建一个。

二、在远程服务器配置环境

这个也算准备工作的一部分，单独拎出来说

在自己电脑运行：

如果自己电脑有GPU，就可以按照第一章的创建环境步骤直接在本地创建，然后到第三章内容，下面的都是连接远程服务器。

在远程服务器运行：

一般项目的都需要使用GPU，我们就需要连接远程服务器（如果自己电脑GPU性能好当我没说）

我一般在autodl租用服务器，可以自己搜怎么租用服务器，这里连接服务器我以我使用的VSCode为例（可以搜自己使用的IDE工具）：

先选择无卡模式开机（省钱），然后连接服务器（以VSCode为例）：

下载Remote-SSH插件

点击红色箭头，然后黄色箭头，在蓝色箭头输入绿色方框的登录指令

  

点第一个

输入黑色方框密码（忘截图了不影响）

连接成功

打开文件夹，我一般在根目录底下

然后创建一个项目名称的文件夹，把本地文件都copy进去（也可以使用VSCode的github插件直接导入，但是这个帖子给小白看的，这里就不写那么麻烦了）

点击红色箭头选择解释器，然后出现绿色框所示窗口。可以创建虚拟环境，我这里使用创建的3.8.19版本的虚拟环境。

接第一章创建环境和依赖

（在远程服务器可以直接使用VSCode的终端输入命令，也就是上图黄色框）

环境没有管，就用的base，如果想要改环境看我下面的链接。

在上图黄色方框输入安装依赖的代码（不推荐在root目录下下载，可能会导致权限问题），不过我就是在root下下载的，没问题，看自己

pip install argparse numpy prettytable torch transformers scikit-learn

等待安装完毕就好了

不过我在这个过程中遇到了一个cannot import name ‘triu’ from ‘scipy.linalg’报错，这是由于SciPy在1.13版本中删掉了这个函数，使用低一点的版本就好了。我使用的1.11.4，代码如下：

pip install scipy==1.11.4

下载完需要安装，一直等到红色方框里的出现才算安装完成

黄色的是因为我在根目录下进行的命令，如果你不是就不会有黄色的提示，不过目前没啥影响。可以在我的另外一个帖子看怎么创建并使用虚拟环境。（手把手教程）怎么在autodl使用虚拟环境并且创建python环境，也就是解决Running pip as the ‘root‘ user can result in brok-CSDN博客

三、下载模型

因为我的网络连接huggingface不稳定，不能使用线上的模型，所以需要下载到本地（指服务器地址）。这篇论文使用的是bert-large-cased模型。如果不知道自己使用的哪个模型，直接跑代码，看报错信息就行，或者发给GPT问一问。

这个就是比较简单的了，附上链接：HF-Mirror - Huggingface 镜像站，使用方法二直接下载，如图（这里我就不给代码了，可以直接跳转链接copy代码）：

值得注意的是第二步，远程服务器使用的是Linux，所以不要使用windows的命令。

更值得注意的是第三步：huggingface-cli download --resume-download gpt2 --local-dir gpt2

其中第一个gpt2代表模型名称，要改成自己的。第二个gpt2是下载到本地的路径，推荐使用绝对路径。比如我的： huggingface-cli download --resume-download bert-large-cased --local-dir /root/W2NER/bert-large-cased

下载完之后还需要注意，模型所在路径和代码里面引用的路径要保持一致。这个帮不了，需要自己核对代码，不过一般是直接创建个和模型名字一样的文件夹，把模型下载到里面就行，具体情况具体分析。

四、修改代码

由于这个项目是2022年的，里面用到的一些方法啊什么的，参数都会有变化，之前的写法可能跑不通。我直接一次次的跑，一次次报错，然后根据报错信息修改，直到修改完毕就能跑起来了。

修改完之后记得把服务器切换到有卡模式，这样才能用GPU。在无卡模式下配置环境省钱（0.1/h）。

比如说我遇到这个错误：

这是源代码中的错误。可能是编译程序更新或者什么其他之类的，导致之前的写法不能用了，就会出现这种情况，需要一步步修改。至此，大问题都解决完了，基本上就能跑了。

五、致谢/致歉

感谢女朋友在我科研道路上的支持和鼓励还有安慰！

技术有限，时间有限，献丑了。本文是因为没有找到自己看得懂的复现代码的流程，所以自己复现完了写一篇。本文只写了自己觉得比较重要、小白（本人就是小白）容易犯错和不懂的部分，有些小细节没有写（大多数都搜得到），而且有些术语用的比较混乱，比如“命令”和“代码”这两个名词我没有作区分。如果有错误欢迎指正。如果有其他问题也可以随时和我私信联系沟通交流。