本周简要总结一下自己的收获和遇到的问题:
收获:
01
PRE_TRAINED_MODEL_NAME = 'bert-base-cased'
tokenizer = BertTokenizer.from_pretrained(PRE_TRAINED_MODEL_NAME)
需要导入的bert预训练分词器模型,可以用来给文本分词。导入分词器后,依然代表BertTokenizer类。
02
encoding = tokenizer.encode_plus(
sample_txt,
max_length=32,
add_special_tokens=True, # Add '[CLS]' and '[SEP]'
return_token_type_ids=False,
pad_to_max_length=True,
return_attention_mask=True,
return_tensors='pt', # Return PyTorch tensors
)
encoding.keys()
encoding是根据对文本做了转化操作,将文本转换为数值,限制文本最长字符数量为32,返回的是文本转换为encoding数值序列和encoding mask的torch类型。
03 DataLoader是下载已经存在的数据,可以按照将原有的数量分批为多个batch数量,依次返回。其中第一个参数data指的是获取数据的方法,要求该方法中必须有__len__()和__getitem__()方法。
04
bert_model = BertModel.from_pretrained(PRE_TRAINED_MODEL_NAME)
为下载bert模型,其中内部返回的类还是BertModel
05
bert_model(
input_ids=input_ids,
attention_mask=attention_mask
)
是通过nn.module中的__call__方法,内部调用Bertmodel的forward()方法实现的,返回对应bert的分类表示和标注表示。
06
optimizer = AdamW(model.parameters(), lr=2e-5, correct_bias=False)
用的是AdamW的梯度调优方法,看官方paper应该是分别可以学习learning_rate和衰减率weight decay,可以让模型的梯度优化更好。不过里面的具体实现方式,还是没有看懂。(参考文章:https://arxiv.org/abs/1711.05101)
遇到的问题:
在实现crosswoz场景化识别必要的意图和词槽的时候,咨询助教老师,可以通过正则匹配,但是防线自己设计的场景还是太简单了,总觉的很多地方需要改进,而且实现的方法也不太对,之后做一下修改。