CBLUEbenchmark 跑通
github源地址
1.配置
- 数据下载
新建文件夹CLBUEDatasets,将数据放在该文件夹下 - 模型下载到github源地址中选择一个模型来下载:
将下载好的模型放在一个专门放模型的文件夹下,我这里是bert
文件如下所示放置:
2.训练模型(以CMeEE任务为例):
首先更改examples\run_ee.sh文件
#!/usr/bin/env bash
DATA_DIR="../CBLUEDatasets"
TASK_NAME="ee"
MODEL_TYPE="bert"
MODEL_DIR="../bert/"#这里是模型存放路径
MODEL_NAME="chinese_wwm_ext_pytorch"#需要使用的模型
OUTPUT_DIR="../data/output"#输出结果地址
RESULT_OUTPUT_DIR="../data/result_output"
MAX_LENGTH=128
echo "Start running"
if [ $# == 0 ]; then
python ../baselines/run_classifier.py \#这里记得baselines前面加上../
--data_dir=${DATA_DIR} \
--model_type=${MODEL_TYPE} \
--model_dir=${MODEL_DIR} \
--model_name=${MODEL_NAME} \
--task_name=${TASK_NAME} \
--output_dir=${OUTPUT_DIR} \
--result_output_dir=${RESULT_OUTPUT_DIR} \
--do_train \
--max_length=${MAX_LENGTH} \
--train_batch_size=16 \
--eval_batch_size=16 \
--learning_rate=3e-5 \
--epochs=5 \
--warmup_proportion=0.1 \
--earlystop_patience=100 \
--max_grad_norm=0.0 \
--logging_steps=200 \
--save_steps=200 \
--seed=2021
elif [ $1 == "predict" ]; then
python ../baselines/run_classifier.py \#这里也记得加上
--data_dir=${DATA_DIR} \
--model_type=${MODEL_TYPE} \
--model_name=${MODEL_NAME} \
--model_dir=${MODEL_DIR} \
--task_name=${TASK_NAME} \
--output_dir=${OUTPUT_DIR} \
--result_output_dir=${RESULT_OUTPUT_DIR} \
--do_predict \
--max_length=${MAX_LENGTH} \
--eval_batch_size=32 \
--seed=2021
fi
然后直接执行bash run_ee.sh
对模型进行训练
中间保存的一些数据放在data/output下,运行结束后会有:
3.预测模型
执行
bash run_ee.sh predict
预测结果会放在data/result_output下:
4.检查格式是否正确
将原任务的test.json重命名为test_raw.json和测试结果放在format_checker文件夹下:
然后执行
python format_checker_CMeEE.py CMeEE_test_raw.json CMeEE_test.json
格式正确会: