超详细微调Chinese Clip以及解决各种报错

范sr

已于 2024-09-09 12:32:26 修改

阅读量1.1k

点赞数 27

文章标签：数据库

于 2024-09-08 23:18:56 首次发布

本文链接：https://blog.csdn.net/weixin_51074012/article/details/142028234

版权

文章目录

准备工作
数据集准备
- 下载模型
微调
- 修改脚本
提取图文特征
KNN检索
评分

为了重头开始演示，和为了重新再次遇到各种问题，我将从头创建环境重新开始微调。

准备工作

拉取项目

Chinese-Clip项目地址Chinese-Clip

git clone https://github.com/OFA-Sys/Chinese-CLIP.git

在这里插入图片描述

创建目录

根据官方要求构建目录

Chinese-CLIP/
├── run_scripts/
│ ├── muge_finetune_vit-b-16_rbt-base.sh
│ ├── flickr30k_finetune_vit-b-16_rbt-base.sh
│ └── … # 更多finetune或评测脚本…
└── cn_clip/
├── clip/
├── eval/
├── preprocess/
└── training/
${DATAPATH}
├── pretrained_weights/
├── experiments/
├── deploy/ # 用于存放ONNX & TensorRT部署模型
└── datasets/
├── MUGE/
├── Flickr30k-CN/
└── …/ # 更多自定义数据集…

Chinese-CLIP目录我们已经拉取了，所以需要自己创建${DATAPATH}目录，起一个名字就叫作clip-data，因为里面全是存放数据集和模型的地方，建立好如下：
第一级目录
clip-data目录
在这里插入图片描述

创建环境

conda create -n clipcsdn python==3.10

因为我的环境里面有clip了，这里创建clipcsdn来区别一下。

激活环境

conda activate clipcsdn

将目录切到Chinese-Clip目录，安装依赖

#切换目录 
cd /home/fsy23/CSDN/Chinese-CLIP/

#使用清华源安装
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

数据集准备

由于官方要求的数据集格式比较特殊，我这里直接使用一份格式弄好的数据集，各位如果想用自己的数据集，官方也给出了数据集的修改代码。点这
我是用的数据集下载地址在这
这里面是标准的数据集格式，文件名是这个数据集的名字，将它放在clip-data/datasets目录下，并解压，弄完就是如下样式：
在这里插入图片描述
记得解压

#解压命令
unzip MUGE.zip

这个数据集是图文搜索的，是一些电商产品的图片和对应的描述。这里我们只演示文搜图的微调流程。
接下来我们开始微调

下载模型

下载模型可以根据官方的指定地址下载，这次我们微调的是基础版本的也就是clip-cn-vit-b-16.pt，下载地址
将下载好的模型放到clip-data/pretrained_weights目录之下，如下图：
在这里插入图片描述

微调

修改脚本

我们使用run_scripts/muge_finetune_vit-b-16_rbt-base.sh这个基础版的脚本。
这里面我们需要修改几个参数，各个参数的意义参考官方解释在这
在这里插入图片描述
下面还有需要改的地方

还有训练的超参数

改完之后我们开始微调，运行命令：

 nohup bash run_scripts/muge_finetune_vit-b-16_rbt-base.sh /home/fsy23/CSDN/clip-data/ > train.log 2>&1 &

将这个进程挂到后台，这样可以防止断网或者关闭页面导致训练掉线了，我们脚本后面紧跟我们的clip-data路径，不知道这个命令其他部分具体含义的可以看我这篇博客中的讲解：点这这里有详细的讲解。
开始微调
在这里插入图片描述

训练日志我们可以通过两个地方看到，一个是我们自己在命令行指定的 train.log,一个是官方的指定目录。我们打开log看一眼：
在这里插入图片描述
发现报错了，这里是说我们有个参数定义的有歧义，这个参数是logs，会和logs-specs、logs_specs参数有歧义。这里我们修改一下这个bug，虽然我不知道官方是怎么跑通的，（应该是我的torch版本太高了，我用的2.4.0，官方的很低，所以没有这个错误）但是这个参数必须换一下名字。
还是打开我们的脚本，在下面有个logs参数，我们改一下名字：
在这里插入图片描述
我们改一下这个，在cn_clip/training/params.py

除了在这改，还需要在cn_clip/training/main.py脚本里面修改一下，因为这个参数是传到这个main文件里面使用的，依照目录打开这个py文件，按照图中修改就行。

接下来我们再重新运行一下脚本命令：

 nohup bash run_scripts/muge_finetune_vit-b-16_rbt-base.sh /home/fsy23/CSDN/clip-data/ > train.log 2>&1 &

看日志我们已经开始训练了：
在这里插入图片描述

提取图文特征

我们微调好候得模型保存在**/clip-data/pretrained_weights/**，紧接着我们可以用它来进行，图文的特征提取，以便后续的预测和评估。
官方也给出了脚本，但是需要自己传路径，我嫌麻烦我就写到里面了，如下：

eexport CUDA_VISIBLE_DEVICES=0
export PYTHONPATH="${PYTHONPATH}:$(pwd)/cn_clip"

DATAPATH="/home/fsy23/CSDN/clip-data/"
dataset_name="MUGE"

split=test # 指定计算valid或test集特征

# 把刚训练好的模型路径填写在这
resume="${DATAPATH}/experiments/muge_finetune_vit-b-16_roberta-base_bs_22gpu/checkpoints/epoch_latest.pt"

python -u cn_clip/eval/extract_features.py \
    --extract-image-feats \
    --extract-text-feats \
    --image-data="${DATAPATH}/datasets/${dataset_name}/lmdb/${split}/imgs" \
    --text-data="${DATAPATH}/datasets/${dataset_name}/${split}_texts.jsonl" \
    --img-batch-size=32 \
    --text-batch-size=32 \
    --context-length=52 \
    --resume="${resume}" \
    --vision-model=ViT-B-16 \
    --text-model=RoBERTa-wwm-ext-base-chinese

KNN检索

新建脚本，内容如下，运行会得到最终预测结果

split=test # 指定计算valid或test集特征
DATAPATH="/home/fsy23/CSDN/clip-data/"
dataset_name="MUGE"

python -u cn_clip/eval/make_topk_predictions.py \
    --image-feats="${DATAPATH}/datasets/${dataset_name}/${split}_imgs.img_feat.jsonl" \
    --text-feats="${DATAPATH}/datasets/${dataset_name}/${split}_texts.txt_feat.jsonl" \
    --top-k=10 \
    --eval-batch-size=32768 \
    --output="${DATAPATH}/datasets/${dataset_name}/${split}_predictions.jsonl"