含API的文档句子 经过Bert的token被切开
将特殊领域的词汇作为特殊token加入bert原有的字典
Bert原字典大小3w+ 预留了1k左右的空位但不够用
试图将API加进去 但是6w+过多
tokenizer =AutoTokenizer.from_pretrained(model_args.model_name_or_path)
zidian = tokenizer.get_vocab()
with open('res/entities.txt') as f:
for line in f:
entity,en_type=line.strip().split(',')
tokenizer.add_tokens([entity])
model.resize_token_embedding(len(tokenizer))
tokenizer.save_pretrained(model_args.model_name_or_path)
zidian_new=tokenizer.get_vocab()
超内存了怎么解决呢?
先试一下改配置文件