分类模型训练问题反馈

[q759729997]

分类模型训练问题反馈

问题描述

• 选型：示例文档中使用的是SST2Pipe，我的代码测试的是THUCNewsPipe，神经网络模型选用的是CNNText
• 问题1：filed不一致

SST2Pipe的输入filed为 words(Const.INPUT)；
THUCNewsPipe的输入filed为 chars(Const.CHAR_INPUT)；
这样就造成vocab = databundle.vocabs['words']报错；
该错误我自己手工调用接口对filed重命名解决该问题

• 问题2，训练时报错：TypeError: forward() missing 1 required positional argument: 'words'

对问题1修复后该问题解决。
可能原因：
CNNText 中 def forward(self, words, seq_len=None)
train的时候 y = network(**x)

• 问题3，示例代码bug：

位置：reproduction/text_classification/train_char_cnn.py中第202行，init_embed已经更新
#model=CNNText(init_embed=embedding, num_classes=ops.num_classes)

• 问题4，文档bug

位置：使用更强的Bert做序列标注
from torch import Adam 应该为 from torch.optim import Adam

[xuyige]

感谢您的反馈

问题1： fastNLP的输入field包括多种，如果是词级别的输入，field的名字为words(Const.INPUT)或者words1, words2, ... 如果是字符级别的输入，field的名字为chars(Const.INPUT_CHAR)或者chars1, chars2, ... 而使用pipe对data_bundle进行数据处理时所建的词表名字与对应的field名字一致，如：单词级别的输入，则词表名字为words或者words1，字符级别的输入，词表名称为chars或者chars1

问题2： CNNText是一个基于单词级别的CNN文本分类，因此forward函数的参数名为words

问题3&问题4： 感谢指出，我们会修复这个问题