PyTorch中如何在本地加载Roberta模型：Transformers实战指南

本地加载roberta-base模型文件，roberta-large同理，

只不过hidden_size从768变为1024，

在该网站下载模型文件：
roberta-base at main (huggingface.co)

所需的有 config.json,  merges.txt,  pytorch_model.bin(下载后重命名),  vocab.json

路径组织结构：

└─model

│  merges.txt

│  vocab.json

│

└─roberta-base

config.json

pytorch_model.bin

此处transformers版本是2.11.0，

不同版本的transformers里import的用法可能不同，所以强调了版本，

可针对自己的版本去看官方文档

from transformers import RobertaTokenizer

vocab_file = 'model/vocab.json'

merges_file = 'model/merges.txt'

tokenizer = RobertaTokenizer(vocab_file, merges_file)

RobertaTokenizer 和 BertTokenizer 处理数据时不一样，

Roberta模型没有token_type_ids，也就是segment_ids

还有 Bert 的数据格式是

• pair of sequences:
  [CLS] A [SEP] B [SEP]

Roberta 的则是

• pair of sequences:
  <s> A </s></s> B </s>

参见：
RobertaTokenizer中的build_inputs_with_special_tokens

与
BertTokenizer中的build_inputs_with_special_tokens

from transformers.modeling_roberta import RobertaModel

 bert = RobertaModel.from_pretrained('model/roberta-base/')