- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
是否有任何方法可以将两个评估数据集传递给 HuggingFace Trainer 对象,以便在训练期间可以在两个不同的集合(比如分布内和分布外集合)上评估训练模型?这是对象的实例化,它只接受一个 eval_dataset
:
trainer = Trainer(
model,
args,
train_dataset=train_dataset,
eval_dataset=eval_dataset,
tokenizer=tokenizer
)
最佳答案
我也在寻找解决方案。同时,我可以提出这个解决方法:
Trainer
在评估期间不会打乱数据集中的示例。所以你可以使用它来合并两个数据集,只要你控制这个合并并且知道组成数据集的示例数量。然后,您稍后在计算指标时将示例分开。
为此,您必须实现自己的 compute_metrics
可调用函数并通过 trainer = Trainer(compute_metrics=myComputeMertics)
传递。请注意,您无法控制此函数的参数,因此最好将其实现为某个类的方法,并在构造函数中传递您的数据集比率/组成。
我可以想象做这样的事情(不确定张量的形状和轴是否正确):
class MetricCollection:
def __init__(self, dataset_1_size):
self.dataset_1_size = dataset_1_size
def mymetric(labels, predicted_scores):
...
return result
def compute_metrics(self, p: EvalPrediction) -> Dict:
metrics = {}
labels_1 = p.label_ids[:self.dataset_1_size]
labels_2 = p.label_ids[self.dataset_1_size:]
predictions_1 = p.predictions[:self.dataset_1_size, :]
predictions_2 = p.predictions[self.dataset_1_size:, :]
metrics['mymetric_dataset_1'] = mymetric(labels_1, predictions_1)
metrics['mymetric_dataset_2'] = mymetric(labels_2, predictions_2)
return metrics
然后在你的主代码中
metric_calculator = MetricCollection(dataset_1_size)
trainer = Trainer(
model,
args,
train_dataset=train_dataset,
eval_dataset=eval_dataset,
tokenizer=tokenizer,
compute_metrics=metric_calculator.compute_metrics()
)
关于huggingface-transformers - 将两个评估数据集传递给 HuggingFace Trainer 对象,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68617212/
如何将 HuggingFace 数据集写入磁盘? 我使用 JSONL 文件制作了自己的 HuggingFace 数据集: Dataset({features: ['id', 'text'],num_r
是否有任何方法可以将两个评估数据集传递给 HuggingFace Trainer 对象,以便在训练期间可以在两个不同的集合(比如分布内和分布外集合)上评估训练模型?这是对象的实例化,它只接受一个 ev
想做类似的事情 tokenizer = BertTokenizer.from_pretrained('bert-base-uncased') model = BertModel.from_pretra
来自文档 for from_pretrained ,我知道我不必每次都下载预训练的向量,我可以使用以下语法保存它们并从磁盘加载: - a path to a `directory` contain
默认缓存目录磁盘容量不足,我需要更改默认缓存目录的配置。 最佳答案 您可以在每次加载模型时指定缓存目录 .from_pretrained通过设置参数cache_dir .您可以通过导出环境变量 TRA
我正在使用 T5 模型和分词器执行下游任务。我想将某些 whitesapces 添加到分词器,例如行结尾 (\t) 和制表符 (\t)。添加这些标记是有效的,但不知何故标记器总是忽略第二个空格。因此,
我正在查看 Huggingface pipeline for Named Entity Recognition 的文档,我不清楚这些结果如何用于实际的实体识别模型。 例如,给出文档中的示例: >>>
我正在构建基于 Huggingface Longformer 的分类器。下面是我的主要代码 model = LongformerForSequenceClassification.from_pretr
我最近根据源代码对以下代码进行了测试: https://github.com/cl-tohoku/bert-japanese/blob/master/masked_lm_example.ipynb i
运行下面的代码下载一个模型 - 有谁知道它下载到哪个文件夹? !pip install -q transformers from transformers import pipeline model
我正在用变形金刚练习总结文本。 按照以下教程:https://huggingface.co/transformers/usage.html#summarization from transformer
我收到以下错误: AssertionError:文本输入必须为 str(单个示例)、List[str](批处理或单个预标记示例)或 List[List[str]](预标记示例批处理)类型。,当我运行
问题 请帮助理解以下问题的原因以及如何构建 Keras 模型以在 huggingface 的预训练模型之上进行微调。 目标 在 TFDistilBertForSequenceClassificatio
我希望摘要任务通常假定长文档。但是,遵循文档 here ,我所做的任何简单摘要调用都表明我的文档太长: >>> summarizer = pipeline("summarization") >>> s
我在 Colab Notebook 上下载了预训练模型后,它会在我重置 notebook 变量后消失。有没有办法可以下载模型以供第二次使用? tokenizer = BertTokenizer.fro
特尔;博士: 我的模型总是预测相同的标签,我不知道为什么。下面是我的整个微调代码,希望有人能指出我哪里出错了。 我正在使用 Huggingface 的 TFBertForSequenceClassif
我的编码功能如下所示: from transformers import BertTokenizer, BertModel MODEL = 'bert-base-multilingual-uncase
我想使用 HuggingFace 的转换器使用预训练的 "xlm-mlm-xnli15-1024" 将中文翻译成英文模型。 This tutorial显示如何从英语到德语。 我尝试按照教程进行操作,但
我想添加额外的 Dense预训练后的层 TFDistilBertModel , TFXLNetModel和 TFRobertaModel抱脸模特。我已经看到如何使用 TFBertModel 做到这一点
我正在尝试将预训练的 HuggingFace ALBERT 更改器(mutator)模型应用于我自己的文本分类任务,但损失并没有减少到某个点。 这是我的代码: 我的文本分类数据集中有四个标签: 0,
我是一名优秀的程序员,十分优秀!