卡在了conda install pytorch>=1.6 cudatoolkit=11.0 -c pytorch，运行代码一直不动

快速安装 simpletransformers

simpletransformers 项目地址：hub.fastgit.org/ThilinaRaja…

simpletransformers 文档地址：

simpletransformers.ai/

快速安装方式：

使用Conda安装

1）新建虚拟环境

conda create -n st python pandas tqdm

conda activate st

2）安装cuda环境

conda install pytorch>=1.6 cudatoolkit=11.0 -c pytorch

3）安装 simpletransformers

pip install simpletransformers

安装 wandb

wandb 用于在web浏览器中追踪和可视化Weights和Biases(wandb)

复制代码pip install wandb

目前支持的任务：

任务模型二元和多类文本分类ClassificationModel对话式人工智能（聊天机器人训练）ConvAIModel语言生成LanguageGenerationModel语言模型训练/微调LanguageModelingModel多标签文本分类MultiLabelClassificationModel多模态分类（文本和图像数据结合）MultiModalClassificationModel命名实体识别NERModel问答QuestionAnsweringModel回归ClassificationModel句子对分类ClassificationModel文本表示生成RepresentationModel

预训练模型去哪里下载？

有关预训练模型，请参阅Hugging Face 文档。

根据文档中给出的model_type，只要在args中正确设置model_name的字典值就是可以加载预训练模型

【实践01】文本分类

数据集

笔者选用CLUE的作为benchmark数据集

选取数据集：IF***TEK' 长文本分类

中文语言理解测评基准(CLUE)

www.cluebenchmarks.com/dataSet_sea…

为更好的服务中文语言理解、任务和产业界，做为通用语言模型测评的补充，通过搜集整理发布中文任务及标准化测评等方式完善基础设施，最终促进中文NLP的发展。

Update: CLUE论文被计算语言学国际会议 COLING2020高分录用

IF***TEK' 长文本分类

下载地址：github.com/CLUEbenchma…

该数据集共有1.7万多条关于app应用描述的长文本标注数据，包含和日常生活相关的各类应用主题，共119个类别："打车":0,"地图导航":1,"免费WIFI":2,"租车":3,….,"女性":115,"经营":116,"收款":117,"其他":118(分别用0-118表示)。每一条数据有三个属性，从前往后分别是 类别ID，类别名称，文本内容。

数据量：训练集(12,133)，验证集(2,599)，测试集(2,600)

css复制代码{"label": "110",

"label_des": "社区超市",

"sentence": "朴朴快送超市创立于2016年，专注于打造移动端30分钟即时配送一站式购物平台，商品品类包含水果、蔬菜、肉禽蛋奶、海鲜水产、粮油调味、酒水饮料、休闲食品、日用品、外卖等。朴朴公司希望能以全新的商业模式，更高效快捷的仓储配送模式，致力于成为更快、更好、更多、更省的在线零售平台，带给消费者更好的消费体验，同时推动中国食品安全进程，成为一家让社会尊敬的互联网公司。,朴朴一下，又好又快,1.配送时间提示更加清晰友好2.保障用户隐私的一些优化3.其他提高使用体验的调整4.修复了一些已知bug"}

数据处理

Simple Transformers要求数据必须包含在至少两列的Pandas DataFrames中。 只需为列的文本和标签命名，SimpleTransformers就会处理数据。

第一列包含文本，类型为str。

第二列包含标签，类型为int。

对于多类分类，标签应该是从0开始的整数。

ini复制代码import json

import pandas as pd

def load_clue_iflytek(path,mode=None):

"""适应simpletransformer的加载方式"""

data = []

with open(path, "r", encoding="utf-8") as fp:

if mode == 'train' or mode =='dev':

for idx, line in enumerate(fp):

line = json.loads(line.strip())

label = int(line["label"])

text = line['sentence']

data.append([text, label])

data_df = pd.DataFrame(data, columns=["text", "labels"])

return data_df

elif mode == 'test':

for idx, line in enumerate(fp):

line = json.loads(line.strip())

text = line['sentence']

data.append([text])

data_df = pd.DataFrame(data, columns=["text"])

return data_df

模型搭建和训练

先进行参数配置，Simple Transformers具有dict args， 有关每个args的详细说明，可有参考：simpletransformers.ai/docs/tips-a…

1）参数配置

ini复制代码# 配置config

import argparse

def data_config(parser):

parser.add_argument("--trainset_path", type=str, default="data/Chinese_Spam_Message/train.json",

help="训练集路径")

parser.add_argument("--testset_path", type=str, default="data/Chinese_Spam_Message/test.txt",

help="测试集路径")...