错误:
AttributeError: 'str' object has no attribute 'shape'
"""使用bert-chinese预训练模型对中文文本进行编码"""
# 引入torch模型
import torch
# 引入torch模型中的神经网络模型
import torch.nn as nn
# 1. 通过torch.hub(pytorch中专注于迁移学的工具)获得谷歌已经训练好的和中文信息相关的bert-base-chinese模型
# 里面的参数是定好的
model = torch.hub.load('huggingface/pytorch-transformers', 'model', 'bert-base-chinese')
# 2. 导入对应的字符映射器, 它将把中文的每个字映射成一个数字
tokenizer = torch.hub.load('huggingface/pytorch-transformers', 'tokenizer', 'bert-base-chinese')
# 3.将中文文本映射成bert编码后的文本张量表示
def get_bert_encode_for_single(text):
"""
description: 使用bert-chinese预训练模型对中文文本进行编码【将中文文本映射成bert编码后的文本张量表示】
:param text: 要进行编码的文本
:return: 使用bert编码后的文本张量表示
"""
# 3.1 首先使用字符映射器对每个汉字进行映射,参数是传入的中文信息的文本。这样就将中文信息转化为了编码后的信息
# [1:-1]的原因:这里需要注意, bert的tokenizer映射后会为结果前后添加开始和结束标记即101和102
# 这对于多段文本的编码是有意义的, 但在我们这里没有意义, 因此使用[1:-1]对头和尾进行切片
indexed_tokens = tokenizer.encode(text)[1:-1]
# 3.2之后将列表结构转化为tensor张量【将编码后的信息放在torch.tensor中】
tokens_tensor = torch.tensor([indexed_tokens])
print(tokens_tensor)
# 3.3 直接用模型跑出值而不去自动计算梯度【预测部分需要使得模型不自动求导】
with torch.no_grad():
# 3.4 调用模型获得隐层输出
encoded_layers, _ = model(tokens_tensor)
print(f"encoded_layers.shape={encoded_layers.shape}")
原因:
问题在于,自transformers的3.xx版本以来,返回type已发生变化。所以,我们明确地要求得到tensors张量的元组tuple 。
因此,我们可以在调用model()时传递额外的参数return_dict=False,以获得对应于最后一个隐藏状态的实际张量。
解决:
encoded_layers, _ = model(tokens_tensor, return_dict=False)