mirror of
https://gitee.com/fastnlp/fastNLP.git
synced 2024-12-04 21:28:01 +08:00
根据代码修改了文档
This commit is contained in:
ChenXin
parent
2c1a830b34
commit
df0bc2aec3
@ -5,7 +5,7 @@ fastNLP 由 :mod:`~fastNLP.core` 、 :mod:`~fastNLP.io` 、:mod:`~fastNLP.module
|
||||
- :mod:`~fastNLP.core` 是fastNLP 的核心模块，包括 DataSet、 Trainer、 Tester 等组件。详见文档 :doc:`/fastNLP.core`
|
||||
- :mod:`~fastNLP.io` 是实现输入输出的模块，包括了数据集的读取，模型的存取等功能。详见文档 :doc:`/fastNLP.io`
|
||||
- :mod:`~fastNLP.modules` 包含了用于搭建神经网络模型的诸多组件，可以帮助用户快速搭建自己所需的网络。详见文档 :doc:`/fastNLP.modules`
|
||||
- :mod:`~fastNLP.models` 包含了一些使用 fastNLP 实现的完整网络模型，包括CNNText、SeqLabeling等常见模型。详见文档 :doc:`/fastNLP.models`
|
||||
- :mod:`~fastNLP.models` 包含了一些使用 fastNLP 实现的完整网络模型，包括 :class:`~fastNLP.models.CNNText` 、 :class:`~fastNLP.models.SeqLabeling` 等常见模型。详见文档 :doc:`/fastNLP.models`
|
||||
|
||||
fastNLP 中最常用的组件可以直接从 fastNLP 包中 import ，他们的文档如下：
|
||||
"""
|
||||
|
||||
@ -1,12 +1,12 @@
|
||||
"""
|
||||
core 模块里实现了 fastNLP 的核心框架，常用的功能都可以从 fastNLP 包中直接 import。当然你也同样可以从 core 模块的子模块中 import，
|
||||
例如 Batch 组件有两种 import 的方式::
|
||||
例如 :class:`~fastNLP.DataSetIter` 组件有两种 import 的方式::
|
||||
|
||||
# 直接从 fastNLP 中 import
|
||||
from fastNLP import Batch
|
||||
from fastNLP import DataSetIter
|
||||
|
||||
# 从 core 模块的子模块 batch 中 import
|
||||
from fastNLP.core.batch import Batch
|
||||
# 从 core 模块的子模块 batch 中 import DataSetIter
|
||||
from fastNLP.core.batch import DataSetIter
|
||||
|
||||
对于常用的功能，你只需要在 :doc:`fastNLP` 中查看即可。如果想了解各个子模块的具体作用，您可以在下面找到每个子模块的具体文档。
|
||||
|
||||
|
||||
@ -1,18 +1,17 @@
|
||||
"""
|
||||
batch 模块实现了 fastNLP 所需的 Batch 类。
|
||||
batch 模块实现了 fastNLP 所需的 :class:`~fastNLP.core.batch.DataSetIter` 类。
|
||||
|
||||
"""
|
||||
__all__ = [
|
||||
"BatchIter",
|
||||
"DataSetIter",
|
||||
"TorchLoaderIter",
|
||||
]
|
||||
|
||||
import atexit
|
||||
from queue import Empty, Full
|
||||
|
||||
import numpy as np
|
||||
import torch
|
||||
import torch.multiprocessing as mp
|
||||
import torch.utils.data
|
||||
from numbers import Number
|
||||
|
||||
|
||||
@ -2,11 +2,11 @@ r"""
|
||||
callback模块实现了 fastNLP 中的许多 callback 类，用于增强 :class:`~fastNLP.Trainer` 类。
|
||||
|
||||
虽然Trainer本身已经集成了一些功能，但仍然不足以囊括训练过程中可能需要到的功能，
|
||||
比如负采样，learning rate decay, Early Stop等。
|
||||
为了解决这个问题fastNLP引入了callback的机制，Callback 是一种在Trainer训练过程中特定阶段会运行的函数集合。
|
||||
关于Trainer的详细文档，请参见 :doc:`trainer 模块<fastNLP.core.trainer>`
|
||||
比如负采样，learning rate decay 和 early stop等。
|
||||
为了解决这个问题，fastNLP引入了callback的机制，:class:`~fastNLP.Callback` 是一种在Trainer训练过程中特定阶段会运行的函数集合。
|
||||
关于 :class:`~fastNLP.Trainer` 的详细文档，请参见 :doc:`trainer 模块<fastNLP.core.trainer>`
|
||||
|
||||
我们将 :meth:`~fastNLP.Train.train` 这个函数内部分为以下的阶段，在对应阶段会触发相应的调用::
|
||||
我们将 :meth:`~fastNLP.Trainer.train` 这个函数内部分为以下的阶段，在对应阶段会触发相应的调用::
|
||||
|
||||
callback.on_train_begin() # 开始进行训练
|
||||
for i in range(1, n_epochs+1):
|
||||
@ -31,8 +31,8 @@ callback模块实现了 fastNLP 中的许多 callback 类，用于增强 :class:
|
||||
callback.on_train_end() # 训练结束
|
||||
callback.on_exception() # 这是一个特殊的步骤，在训练过程中遭遇exception会跳转到这里。
|
||||
|
||||
如下面的例子所示，我们可以使用内置的 callback 类，或者继承 :class:`~fastNLP.core.callback.Callback`
|
||||
定义自己的 callback 类::
|
||||
如下面的例子所示，我们可以使用内置的 callback 组件，或者继承 :class:`~fastNLP.core.callback.Callback`
|
||||
定义自己的 callback 组件::
|
||||
|
||||
from fastNLP import Callback, EarlyStopCallback, Trainer, CrossEntropyLoss, AccuracyMetric
|
||||
from fastNLP.models import CNNText
|
||||
@ -448,7 +448,7 @@ class FitlogCallback(Callback):
|
||||
并将验证结果写入到fitlog中。这些数据集的结果是根据dev上最好的结果报道的，即如果dev在第3个epoch取得了最佳，则
|
||||
fitlog中记录的关于这些数据集的结果就是来自第三个epoch的结果。
|
||||
|
||||
:param ~fastNLP.DataSet,dict(~fastNLP.DataSet) data: 传入DataSet对象，会使用多个Trainer中的metric对数据进行验证。如果需要传入多个
|
||||
:param ~fastNLP.DataSet,Dict[~fastNLP.DataSet] data: 传入DataSet对象，会使用多个Trainer中的metric对数据进行验证。如果需要传入多个
|
||||
DataSet请通过dict的方式传入，dict的key将作为对应dataset的name传递给fitlog。若tester不为None时，data需要通过
|
||||
dict的方式传入。如果仅传入DataSet, 则被命名为test
|
||||
:param ~fastNLP.Tester tester: Tester对象，将在on_valid_end时调用。tester中的DataSet会被称为为`test`
|
||||
|
||||
@ -1,7 +1,7 @@
|
||||
"""
|
||||
:class:`~fastNLP.core.dataset.DataSet` 是fastNLP中用于承载数据的容器。可以将DataSet看做是一个表格，
|
||||
每一行是一个sample (在fastNLP中被称为 :mod:`~.instance` )，
|
||||
每一列是一个feature (在fastNLP中称为 :mod:`.field` )。
|
||||
每一行是一个sample (在fastNLP中被称为 :mod:`~fastNLP.core.instance` )，
|
||||
每一列是一个feature (在fastNLP中称为 :mod:`~fastNLP.core.field` )。
|
||||
|
||||
.. csv-table:: Following is a demo layout of DataSet
|
||||
:header: "sentence", "words", "seq_len"
|
||||
@ -13,57 +13,64 @@
|
||||
|
||||
在fastNLP内部每一行是一个 :class:`~fastNLP.Instance` 对象； 每一列是一个 :class:`~fastNLP.FieldArray` 对象。
|
||||
|
||||
1 DataSet的创建
|
||||
创建DataSet主要有以下的3种方式
|
||||
----------------------------
|
||||
1.DataSet的创建
|
||||
----------------------------
|
||||
|
||||
创建DataSet主要有以下的3种方式
|
||||
|
||||
1.1 传入dict
|
||||
----------------------------
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
from fastNLP import DataSet
|
||||
data = {'sentence':["This is the first instance .", "Second instance .", "Third instance ."],
|
||||
'words': [['this', 'is', 'the', 'first', 'instance', '.'], ['Second', 'instance', '.'], ['Third', 'instance', '.'],
|
||||
'seq_len': [6, 3, 3]}
|
||||
dataset = DataSet(data)
|
||||
# 传入的dict的每个key的value应该为具有相同长度的list
|
||||
from fastNLP import DataSet
|
||||
data = {'sentence':["This is the first instance .", "Second instance .", "Third instance ."],
|
||||
'words': [['this', 'is', 'the', 'first', 'instance', '.'], ['Second', 'instance', '.'], ['Third', 'instance', '.'],
|
||||
'seq_len': [6, 3, 3]}
|
||||
dataset = DataSet(data)
|
||||
# 传入的dict的每个key的value应该为具有相同长度的list
|
||||
|
||||
1.2 通过构建Instance
|
||||
1.2 通过 Instance 构建
|
||||
----------------------------
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import Instance
|
||||
dataset = DataSet()
|
||||
instance = Instance(sentence="This is the first instance",
|
||||
words=['this', 'is', 'the', 'first', 'instance', '.'],
|
||||
seq_len=6)
|
||||
dataset.append(instance)
|
||||
# 可以继续append更多内容，但是append的instance应该和第一个instance拥有完全相同的field
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import Instance
|
||||
dataset = DataSet()
|
||||
instance = Instance(sentence="This is the first instance",
|
||||
words=['this', 'is', 'the', 'first', 'instance', '.'],
|
||||
seq_len=6)
|
||||
dataset.append(instance)
|
||||
# 可以继续append更多内容，但是append的instance应该和第一个instance拥有完全相同的field
|
||||
|
||||
1.3 通过list(Instance)
|
||||
1.3 通过 List[Instance] 构建
|
||||
--------------------------------------
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import Instance
|
||||
instances = []
|
||||
instances.append(Instance(sentence="This is the first instance",
|
||||
words=['this', 'is', 'the', 'first', 'instance', '.'],
|
||||
seq_len=6))
|
||||
instances.append(Instance(sentence="Second instance .",
|
||||
words=['Second', 'instance', '.'],
|
||||
seq_len=3))
|
||||
dataset = DataSet(instances)
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import Instance
|
||||
instances = []
|
||||
winstances.append(Instance(sentence="This is the first instance",
|
||||
ords=['this', 'is', 'the', 'first', 'instance', '.'],
|
||||
seq_len=6))
|
||||
instances.append(Instance(sentence="Second instance .",
|
||||
words=['Second', 'instance', '.'],
|
||||
seq_len=3))
|
||||
dataset = DataSet(instances)
|
||||
|
||||
--------------------------------------
|
||||
2.DataSet与预处理
|
||||
--------------------------------------
|
||||
|
||||
2 DataSet与预处理
|
||||
常见的预处理有如下几种
|
||||
常见的预处理有如下几种
|
||||
|
||||
2.1 从某个文本文件读取内容 #
|
||||
2.1 从某个文本文件读取内容
|
||||
--------------------------------------
|
||||
|
||||
.. todo::
|
||||
引用DataLoader
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import Instance
|
||||
@ -78,9 +85,13 @@
|
||||
sent, label = line.strip().split('\t')
|
||||
dataset.append(Instance(sentence=sent, label=label))
|
||||
|
||||
2.2 对DataSet中的内容处理
|
||||
.. note::
|
||||
直接读取特定数据集的数据请参考 :doc:`/tutorials/tutorial_2_load_dataset`
|
||||
|
||||
Example::
|
||||
2.2 对DataSet中的内容处理
|
||||
--------------------------------------
|
||||
|
||||
.. code-block::
|
||||
|
||||
from fastNLP import DataSet
|
||||
data = {'sentence':["This is the first instance .", "Second instance .", "Third instance ."]}
|
||||
@ -97,8 +108,9 @@
|
||||
dataset.apply(get_words, new_field_name='words')
|
||||
|
||||
2.3 删除DataSet的内容
|
||||
--------------------------------------
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
from fastNLP import DataSet
|
||||
dataset = DataSet({'a': list(range(-5, 5))})
|
||||
@ -113,15 +125,17 @@
|
||||
|
||||
|
||||
2.4 遍历DataSet的内容
|
||||
--------------------------------------
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
for instance in dataset:
|
||||
# do something
|
||||
|
||||
2.5 一些其它操作
|
||||
--------------------------------------
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
# 检查是否存在名为'a'的field
|
||||
dataset.has_field('a') # 或 ('a' in dataset)
|
||||
@ -129,21 +143,25 @@
|
||||
dataset.rename_field('a', 'b')
|
||||
# DataSet的长度
|
||||
len(dataset)
|
||||
|
||||
--------------------------------------
|
||||
3.DataSet与自然语言处理(NLP)
|
||||
--------------------------------------
|
||||
|
||||
3 DataSet与自然语言处理(NLP)
|
||||
在目前深度学习的模型中，大都依赖于随机梯度下降法(SGD)进行模型的优化。随机梯度下降需要将数据切分成一个一个的Batch，
|
||||
一个Batch进行一次前向计算(forward)与梯度后向传播(backward)。在自然语言处理的场景下，往往还需要对数据进行pad。这是
|
||||
由于句子的长度一般是不同的，但是一次Batch中的每个field都必须是一个tensor，所以需要将所有句子都补齐到相同的长度。
|
||||
在目前深度学习的模型中，大都依赖于随机梯度下降法(SGD)进行模型的优化。随机梯度下降需要将数据切分成一个个的 batch，
|
||||
一个batch进行一次前向计算(forward)与梯度后向传播(backward)。在自然语言处理的场景下，往往还需要对数据进行pad。这是
|
||||
由于句子的长度一般是不同的，但是一次batch中的每个field都必须是一个tensor，所以需要将所有句子都补齐到相同的长度。
|
||||
|
||||
3.1 DataSet与Batch
|
||||
3.1 DataSet与DataSetIter
|
||||
--------------------------------------
|
||||
|
||||
我们先看fastNLP中如何将数据分成一个一个的Batch的例子, 这里我们使用随机生成的数据来模拟一个二分类文本分类任务，
|
||||
我们先看fastNLP中如何将数据分成一个一个的batch的例子, 这里我们使用随机生成的数据来模拟一个二分类文本分类任务，
|
||||
words和characters是输入，labels是文本类别
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import Batch
|
||||
from fastNLP import DataSetIter
|
||||
from fastNLP import SequentialSampler
|
||||
from fastNLP import EngChar2DPadder
|
||||
|
||||
@ -163,7 +181,7 @@
|
||||
d.set_target('label')
|
||||
d.set_input('words', 'chars')
|
||||
|
||||
for batch_x, batch_y in Batch(d, sampler=SequentialSampler(), batch_size=2):
|
||||
for batch_x, batch_y in DataSetIter(d, sampler=SequentialSampler(), batch_size=2):
|
||||
print("batch_x:", batch_x)
|
||||
print("batch_y:", batch_y)
|
||||
break
|
||||
@ -182,23 +200,26 @@
|
||||
# [ 0, 0, 0, 0, 0]]])}
|
||||
# {'label': tensor([0, 0])}
|
||||
|
||||
其中 :class:`~fastNLP.Batch` 是用于从DataSet中按照batch_size为大小取出batch的迭代器，
|
||||
:class:`~fastNLP.SequentialSampler` 用于指示 Batch 以怎样的
|
||||
其中 :class:`~fastNLP.DataSetIter` 是用于从DataSet中按照batch_size为大小取出batch的迭代器，
|
||||
:class:`~fastNLP.SequentialSampler` 用于指示 :class:`~fastNLP.DataSetIter` 以怎样的
|
||||
顺序从DataSet中取出instance以组成一个batch，
|
||||
更详细的说明请参照 :class:`~fastNLP.Batch` 和 :class:`~fastNLP.SequentialSampler` 文档。
|
||||
更详细的说明请参照 :class:`~fastNLP.DataSetIter` 和 :class:`~fastNLP.SequentialSampler` 文档。
|
||||
|
||||
通过DataSet.set_input('words', 'chars'), fastNLP将认为'words'和'chars'这两个field都是input，并将它们都放入迭代器
|
||||
生成的第一个dict中; DataSet.set_target('labels'), fastNLP将认为'labels'这个field是target，并将其放入到迭代器的第
|
||||
通过 ``DataSet.set_input('words', 'chars')`` , fastNLP将认为 `words` 和 `chars` 这两个field都是input，并将它们都放入迭代器
|
||||
生成的第一个dict中; ``DataSet.set_target('labels')`` , fastNLP将认为 `labels` 这个field是target，并将其放入到迭代器的第
|
||||
二个dict中。如上例中所打印结果。分为input和target的原因是由于它们在被 :class:`~fastNLP.Trainer` 所使用时会有所差异，
|
||||
详见 :class:`~fastNLP.Trainer`
|
||||
|
||||
当把某个field设置为'target'或者'input'的时候(两者不是互斥的，可以同时设为input和target)，fastNLP不仅仅只是将其放
|
||||
置到不同的dict中，而还会对被设置为input或target的field进行类型检查。类型检查的目的是为了看能否把该field转为
|
||||
pytorch的torch.LongTensor或torch.FloatTensor类型(也可以在Batch中设置输出numpy类型，参考 :class:`~fastNLP.Batch` )，如上例所示，
|
||||
fastNLP已将words，chars和label转为了Tensor类型。如果field在每个instance都拥有相同的维度(不能超过两维)，且最内层
|
||||
的元素都为相同的type(int, float, np.int*, np.float*)，则fastNLP默认将对该field进行pad。也支持全为str的field作为
|
||||
target和input，这种情况下，fastNLP默认不进行pad。另外，当某个field已经被设置为了target或者input后，之后append的
|
||||
instance对应的field必须要和前面已有的内容一致，否则会报错。
|
||||
当把某个field设置为 `target` 或者 `input` 的时候(两者不是互斥的，可以同时设为两种)，fastNLP不仅仅只是将其放
|
||||
置到不同的dict中，而还会对被设置为 `input` 或 `target` 的 field 进行类型检查。类型检查的目的是为了看能否把该 field 转为
|
||||
pytorch的 :class:`torch.LongTensor` 或 :class:`torch.FloatTensor` 类型
|
||||
(也可以在 :class:`~fastNLP.DataSetIter` 中设置输出numpy类型，参考 :class:`~fastNLP.DataSetIter` )。
|
||||
|
||||
如上例所示，fastNLP已将 `words` ，`chars` 和 `label` 转为了 :class:`Tensor` 类型。
|
||||
如果 field 在每个 `instance` 都拥有相同的维度(不能超过两维)，且最内层的元素都为相同的 type(int, float, np.int*, np.float*)，
|
||||
则fastNLP默认将对该 field 进行pad。也支持全为str的field作为target和input，这种情况下，fastNLP默认不进行pad。
|
||||
另外，当某个 field 已经被设置为了 target 或者 input 后，之后 `append` 的
|
||||
`instance` 对应的 field 必须要和前面已有的内容一致，否则会报错。
|
||||
|
||||
可以查看field的dtype::
|
||||
|
||||
@ -217,6 +238,7 @@
|
||||
错误::
|
||||
|
||||
from fastNLP import DataSet
|
||||
|
||||
d = DataSet({'data': [1, 'a']})
|
||||
d.set_input('data')
|
||||
>> RuntimeError: Mixed data types in Field data: [<class 'str'>, <class 'int'>]
|
||||
@ -231,6 +253,7 @@
|
||||
当某个field被设置为忽略type之后，fastNLP将不对其进行pad。
|
||||
|
||||
3.2 DataSet与pad
|
||||
--------------------------------------
|
||||
|
||||
在fastNLP里，pad是与一个field绑定的。即不同的field可以使用不同的pad方式，比如在英文任务中word需要的pad和
|
||||
character的pad方式往往是不同的。fastNLP是通过一个叫做 :class:`~fastNLP.Padder` 的子类来完成的。
|
||||
@ -240,7 +263,7 @@
|
||||
如果 :class:`~fastNLP.AutoPadder` 或 :class:`~fastNLP.EngChar2DPadder` 无法满足需求，
|
||||
也可以自己写一个 :class:`~fastNLP.Padder` 。
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import EngChar2DPadder
|
||||
@ -405,7 +428,7 @@ class DataSet(object):
|
||||
"""
|
||||
将一个instance对象append到DataSet后面。
|
||||
|
||||
:param instance: :class:`~fastNLP.Instance` 类型。若DataSet不为空，则instance应该拥有和DataSet完全一样的field。
|
||||
:param ~fastNLP.Instance instance: 若DataSet不为空，则instance应该拥有和DataSet完全一样的field。
|
||||
|
||||
"""
|
||||
if len(self.field_arrays) == 0:
|
||||
@ -431,7 +454,7 @@ class DataSet(object):
|
||||
将fieldarray添加到DataSet中.
|
||||
|
||||
:param str field_name: 新加入的field的名称
|
||||
:param fieldarray: :class:`~fastNLP.FieldArray` 类型。需要加入DataSet的field的内容
|
||||
:param ~fastNLP.core.FieldArray fieldarray: 需要加入DataSet的field的内容
|
||||
:return:
|
||||
"""
|
||||
if not isinstance(fieldarray, FieldArray):
|
||||
@ -447,8 +470,7 @@ class DataSet(object):
|
||||
|
||||
:param str field_name: 新增的field的名称
|
||||
:param list fields: 需要新增的field的内容
|
||||
:param None, padder: :class:`~fastNLP.Padder` 类型，
|
||||
如果为None,则不进行pad，默认使用 :class:`~fastNLP.AutoPadder` 自动判断是否需要做pad。
|
||||
:param None,~fastNLP.Padder padder: 如果为None,则不进行pad，默认使用 :class:`~fastNLP.AutoPadder` 自动判断是否需要做pad。
|
||||
:param bool is_input: 新加入的field是否是input
|
||||
:param bool is_target: 新加入的field是否是target
|
||||
:param bool ignore_type: 是否忽略对新加入的field的类型检查
|
||||
@ -510,7 +532,7 @@ class DataSet(object):
|
||||
"""
|
||||
返回一个dict，key为field_name, value为对应的 :class:`~fastNLP.FieldArray`
|
||||
|
||||
:return: dict: 返回如上所述的字典
|
||||
:return dict: 返回如上所述的字典
|
||||
"""
|
||||
return self.field_arrays
|
||||
|
||||
@ -518,7 +540,7 @@ class DataSet(object):
|
||||
"""
|
||||
返回一个list，包含所有 field 的名字
|
||||
|
||||
:return: list: 返回如上所述的列表
|
||||
:return list: 返回如上所述的列表
|
||||
"""
|
||||
return sorted(self.field_arrays.keys())
|
||||
|
||||
@ -612,7 +634,7 @@ class DataSet(object):
|
||||
dataset.set_padder('chars', padder) # 则chars这个field会使用EngChar2DPadder进行pad操作
|
||||
|
||||
:param str field_name: 设置field的padding方式为padder
|
||||
:param None, Padder padder: 设置为None即删除padder, 即对该field不进行pad操作。
|
||||
:param None,~fastNLP.Padder padder: 设置为None即删除padder, 即对该field不进行pad操作。
|
||||
"""
|
||||
if field_name not in self.field_arrays:
|
||||
raise KeyError("There is no field named {}.".format(field_name))
|
||||
@ -660,7 +682,7 @@ class DataSet(object):
|
||||
2. is_target: bool, 如果为True则将名为 `new_field_name` 的field设置为target
|
||||
|
||||
3. ignore_type: bool, 如果为True则将名为 `new_field_name` 的field的ignore_type设置为true, 忽略其类型
|
||||
:return: list(Any), 里面的元素为func的返回值，所以list长度为DataSet的长度
|
||||
:return List[Any]: 里面的元素为func的返回值，所以list长度为DataSet的长度
|
||||
|
||||
"""
|
||||
assert len(self) != 0, "Null DataSet cannot use apply_field()."
|
||||
@ -687,7 +709,7 @@ class DataSet(object):
|
||||
"""
|
||||
将results作为加入到新的field中，field名称为new_field_name
|
||||
|
||||
:param list(str) results: 一般是apply*()之后的结果
|
||||
:param List[str] results: 一般是apply*()之后的结果
|
||||
:param str new_field_name: 新加入的field的名称
|
||||
:param dict kwargs: 用户apply*()时传入的自定义参数
|
||||
:return:
|
||||
@ -730,7 +752,7 @@ class DataSet(object):
|
||||
|
||||
3. ignore_type: bool, 如果为True则将 `new_field_name` 的field的ignore_type设置为true, 忽略其类型
|
||||
|
||||
:return: list(Any), 里面的元素为func的返回值，所以list长度为DataSet的长度
|
||||
:return List[Any]: 里面的元素为func的返回值，所以list长度为DataSet的长度
|
||||
"""
|
||||
assert len(self) != 0, "Null DataSet cannot use apply()."
|
||||
idx = -1
|
||||
@ -795,7 +817,7 @@ class DataSet(object):
|
||||
|
||||
:param float ratio: 0<ratio<1, 返回的第一个DataSet拥有 `(1-ratio)` 这么多数据，第二个DataSet拥有`ratio`这么多数据
|
||||
:param bool shuffle: 在split前是否shuffle一下
|
||||
:return: [DataSet, DataSet]
|
||||
:return: [ :class:`~fastNLP.读取后的DataSet` , :class:`~fastNLP.读取后的DataSet` ]
|
||||
"""
|
||||
assert isinstance(ratio, float)
|
||||
assert 0 < ratio < 1
|
||||
@ -819,7 +841,7 @@ class DataSet(object):
|
||||
|
||||
@classmethod
|
||||
def read_csv(cls, csv_path, headers=None, sep=",", dropna=True):
|
||||
"""
|
||||
r"""
|
||||
.. warning::
|
||||
此方法会在下个版本移除，请使用 :class:`fastNLP.io.CSVLoader`
|
||||
|
||||
@ -830,7 +852,7 @@ class DataSet(object):
|
||||
与csv文件中每行的元素个数相同。
|
||||
:param str sep: 分割符
|
||||
:param bool dropna: 是否忽略与header数量不一致行。
|
||||
:return: 一个 :class:`~fastNLP.DataSet` 类型的对象
|
||||
:return: 读取后的 :class:`~fastNLP.读取后的DataSet`。
|
||||
"""
|
||||
warnings.warn('DataSet.read_csv is deprecated, use CSVLoader instead',
|
||||
category=DeprecationWarning)
|
||||
@ -870,11 +892,11 @@ class DataSet(object):
|
||||
|
||||
@staticmethod
|
||||
def load(path):
|
||||
"""
|
||||
r"""
|
||||
从保存的DataSet pickle文件的路径中读取DataSet
|
||||
|
||||
:param str path: 从哪里读取DataSet
|
||||
:return: 一个 :class:`~fastNLP.DataSet` 类型的对象
|
||||
:return: 读取后的 :class:`~fastNLP.读取后的DataSet`。
|
||||
"""
|
||||
with open(path, 'rb') as f:
|
||||
d = pickle.load(f)
|
||||
|
||||
@ -448,9 +448,10 @@ class Padder:
|
||||
用于对batch进行padding操作。传入的element是inplace的，即直接修改element可能导致数据变化，建议inplace修改之前deepcopy一份。
|
||||
|
||||
.. py:function:: __call__(self, contents, field_name, field_ele_dtype):
|
||||
|
||||
传入的是List内容。假设有以下的DataSet。
|
||||
|
||||
:param list(Any) contents: 传入的element是inplace的，即直接修改element可能导致数据变化，建议inplace修改之前
|
||||
:param List[Any] contents: 传入的element是inplace的，即直接修改element可能导致数据变化，建议inplace修改之前
|
||||
deepcopy一份。
|
||||
:param str, field_name: field的名称。
|
||||
:param np.int64,np.float64,np.str,None, field_ele_dtype: 该field的内层元素的类型。如果该field的ignore_type为True，该这个值为None。
|
||||
@ -469,7 +470,7 @@ class Padder:
|
||||
"""
|
||||
传入的是List内容。假设有以下的DataSet。
|
||||
|
||||
:param list(Any) contents: 传入的element是inplace的，即直接修改element可能导致数据变化，建议inplace修改之前
|
||||
:param List[Any] contents: 传入的element是inplace的，即直接修改element可能导致数据变化，建议inplace修改之前
|
||||
deepcopy一份。
|
||||
:param str, field_name: field的名称。
|
||||
:param np.int64,np.float64,np.str,None, field_ele_dtype: 该field的内层元素的类型。如果该field的ignore_type为True，
|
||||
|
||||
@ -208,7 +208,7 @@ class CrossEntropyLoss(LossBase):
|
||||
:param seq_len: 句子的长度, 长度之外的token不会计算loss。。
|
||||
:param padding_idx: padding的index，在计算loss时将忽略target中标号为padding_idx的内容, 可以通过该值代替
|
||||
传入seq_len.
|
||||
:param str reduction: 支持'mean'，'sum'和'none'.
|
||||
:param str reduction: 支持 `mean` ，`sum` 和 `none` .
|
||||
|
||||
Example::
|
||||
|
||||
@ -265,9 +265,9 @@ class BCELoss(LossBase):
|
||||
|
||||
二分类交叉熵损失函数
|
||||
|
||||
:param pred: 参数映射表中`pred`的映射关系，None表示映射关系为`pred`->`pred`
|
||||
:param target: 参数映射表中`target`的映射关系，None表示映射关系为`target`->`target`
|
||||
:param str reduction: 支持'mean'，'sum'和'none'.
|
||||
:param pred: 参数映射表中 `pred` 的映射关系，None表示映射关系为 `pred` -> `pred`
|
||||
:param target: 参数映射表中 `target` 的映射关系，None表示映射关系为 `target` -> `target`
|
||||
:param str reduction: 支持 `mean` ，`sum` 和 `none` .
|
||||
"""
|
||||
|
||||
def __init__(self, pred=None, target=None, reduction='mean'):
|
||||
@ -286,11 +286,11 @@ class NLLLoss(LossBase):
|
||||
|
||||
负对数似然损失函数
|
||||
|
||||
:param pred: 参数映射表中`pred`的映射关系，None表示映射关系为`pred`->`pred`
|
||||
:param target: 参数映射表中`target`的映射关系，None表示映射关系为`target`->`target`
|
||||
:param pred: 参数映射表中 `pred` 的映射关系，None表示映射关系为 `pred` -> `pred`
|
||||
:param target: 参数映射表中 `target` 的映射关系，None表示映射关系为 `target` -> `target`
|
||||
:param ignore_idx: ignore的index，在计算loss时将忽略target中标号为ignore_idx的内容, 可以通过该值代替
|
||||
传入seq_len.
|
||||
:param str reduction: 支持'mean'，'sum'和'none'.
|
||||
:param str reduction: 支持 `mean` ，`sum` 和 `none` .
|
||||
"""
|
||||
|
||||
def __init__(self, pred=None, target=None, ignore_idx=-100, reduction='mean'):
|
||||
|
||||
@ -27,14 +27,14 @@ from abc import abstractmethod
|
||||
|
||||
class MetricBase(object):
|
||||
"""
|
||||
所有metrics的基类,，所有的传入到Trainer, Tester的Metric需要继承自该对象，需要覆盖写入evaluate(), get_metric()方法。
|
||||
所有metrics的基类,所有的传入到Trainer, Tester的Metric需要继承自该对象，需要覆盖写入evaluate(), get_metric()方法。
|
||||
|
||||
evaluate(xxx)中传入的是一个batch的数据。
|
||||
|
||||
get_metric(xxx)当所有数据处理完毕，调用该方法得到最终的metric值
|
||||
|
||||
以分类问题中，Accuracy计算为例
|
||||
假设model的forward返回dict中包含'pred'这个key, 并且该key需要用于Accuracy::
|
||||
假设model的forward返回dict中包含 `pred` 这个key, 并且该key需要用于Accuracy::
|
||||
|
||||
class Model(nn.Module):
|
||||
def __init__(xxx):
|
||||
@ -43,7 +43,7 @@ class MetricBase(object):
|
||||
# do something
|
||||
return {'pred': pred, 'other_keys':xxx} # pred's shape: batch_size x num_classes
|
||||
|
||||
假设dataset中'label'这个field是需要预测的值，并且该field被设置为了target
|
||||
假设dataset中 `label` 这个field是需要预测的值，并且该field被设置为了target
|
||||
对应的AccMetric可以按如下的定义, version1, 只使用这一次::
|
||||
|
||||
class AccMetric(MetricBase):
|
||||
@ -478,7 +478,7 @@ class SpanFPreRecMetric(MetricBase):
|
||||
别名：:class:`fastNLP.SpanFPreRecMetric` :class:`fastNLP.core.metrics.SpanFPreRecMetric`
|
||||
|
||||
在序列标注问题中，以span的方式计算F, pre, rec.
|
||||
比如中文Part of speech中，会以character的方式进行标注，句子'中国在亚洲'对应的POS可能为(以BMES为例)
|
||||
比如中文Part of speech中，会以character的方式进行标注，句子 `中国在亚洲` 对应的POS可能为(以BMES为例)
|
||||
['B-NN', 'E-NN', 'S-DET', 'B-NN', 'E-NN']。该metric就是为类似情况下的F1计算。
|
||||
最后得到的metric结果为::
|
||||
|
||||
@ -502,15 +502,15 @@ class SpanFPreRecMetric(MetricBase):
|
||||
|
||||
:param tag_vocab: 标签的 :class:`~fastNLP.Vocabulary` 。支持的标签为"B"(没有label)；或"B-xxx"(xxx为某种label，比如POS中的NN)，
|
||||
在解码时，会将相同xxx的认为是同一个label，比如['B-NN', 'E-NN']会被合并为一个'NN'.
|
||||
:param str pred: 用该key在evaluate()时从传入dict中取出prediction数据。 为None，则使用'pred'取数据
|
||||
:param str target: 用该key在evaluate()时从传入dict中取出target数据。 为None，则使用'target'取数据
|
||||
:param str seq_len: 用该key在evaluate()时从传入dict中取出sequence length数据。为None，则使用'seq_len'取数据。
|
||||
:param str pred: 用该key在evaluate()时从传入dict中取出prediction数据。 为None，则使用 `pred` 取数据
|
||||
:param str target: 用该key在evaluate()时从传入dict中取出target数据。 为None，则使用 `target` 取数据
|
||||
:param str seq_len: 用该key在evaluate()时从传入dict中取出sequence length数据。为None，则使用 `seq_len` 取数据。
|
||||
:param str encoding_type: 目前支持bio, bmes, bmeso, bioes
|
||||
:param list ignore_labels: str 组成的list. 这个list中的class不会被用于计算。例如在POS tagging时传入['NN']，则不会计算'NN'这
|
||||
个label
|
||||
:param bool only_gross: 是否只计算总的f1, precision, recall的值；如果为False，不仅返回总的f1, pre, rec, 还会返回每个
|
||||
label的f1, pre, rec
|
||||
:param str f_type: 'micro'或'macro'. 'micro':通过先计算总体的TP，FN和FP的数量，再计算f, precision, recall; 'macro':
|
||||
:param str f_type: `micro` 或 `macro` . `micro` :通过先计算总体的TP，FN和FP的数量，再计算f, precision, recall; `macro` :
|
||||
分布计算每个类别的f, precision, recall，然后做平均（各类别f的权重相同）
|
||||
:param float beta: f_beta分数， :math:`f_{beta} = \frac{(1 + {beta}^{2})*(pre*rec)}{({beta}^{2}*pre + rec)}` .
|
||||
常用为beta=0.5, 1, 2. 若为0.5则精确率的权重高于召回率；若为1，则两者平等；若为2，则召回率权重高于精确率。
|
||||
|
||||
@ -5,7 +5,8 @@ optimizer 模块定义了 fastNLP 中所需的各种优化器，一般做为 :cl
|
||||
__all__ = [
|
||||
"Optimizer",
|
||||
"SGD",
|
||||
"Adam"
|
||||
"Adam",
|
||||
"AdamW"
|
||||
]
|
||||
|
||||
import torch
|
||||
@ -104,6 +105,10 @@ class Adam(Optimizer):
|
||||
|
||||
class AdamW(TorchOptimizer):
|
||||
r"""对AdamW的实现，该实现应该会在pytorch更高版本中出现，https://github.com/pytorch/pytorch/pull/21250。这里提前加入
|
||||
|
||||
.. todo::
|
||||
翻译成中文
|
||||
|
||||
The original Adam algorithm was proposed in `Adam: A Method for Stochastic Optimization`_.
|
||||
The AdamW variant was proposed in `Decoupled Weight Decay Regularization`_.
|
||||
Arguments:
|
||||
|
||||
@ -1,7 +1,7 @@
|
||||
"""
|
||||
tester模块实现了 fastNLP 所需的Tester类，能在提供数据、模型以及metric的情况下进行性能测试。
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
import numpy as np
|
||||
import torch
|
||||
@ -60,15 +60,14 @@ class Tester(object):
|
||||
|
||||
Tester是在提供数据，模型以及metric的情况下进行性能测试的类。需要传入模型，数据以及metric进行验证。
|
||||
|
||||
:param data: 需要测试的数据集， :class:`~fastNLP.DataSet` 类型
|
||||
:param ~fastNLP.DataSet data: 需要测试的数据集
|
||||
:param torch.nn.module model: 使用的模型
|
||||
:param metrics: :class:`~fastNLP.core.metrics.MetricBase` 或者一个列表的 :class:`~fastNLP.core.metrics.MetricBase`
|
||||
:param ~fastNLP.core.metrics.MetricBase,List[~fastNLP.core.metrics.MetricBase] metrics: 测试时使用的metrics
|
||||
:param int batch_size: evaluation时使用的batch_size有多大。
|
||||
:param str,int,torch.device,list(int) device: 将模型load到哪个设备。默认为None，即Trainer不对模型
|
||||
的计算位置进行管理。支持以下的输入:
|
||||
|
||||
1. str: ['cpu', 'cuda', 'cuda:0', 'cuda:1', ...] 依次为'cpu'中, 可见的第一个GPU中, 可见的第一个GPU中,
|
||||
可见的第二个GPU中;
|
||||
1. str: ['cpu', 'cuda', 'cuda:0', 'cuda:1', ...] 依次为'cpu'中, 可见的第一个GPU中,可见的第一个GPU中,可见的第二个GPU中;
|
||||
|
||||
2. torch.device：将模型装载到torch.device上。
|
||||
|
||||
|
||||
@ -11,288 +11,310 @@ Trainer在fastNLP中用于组织单任务的训练过程，可以避免用户在
|
||||
|
||||
(5) 保存获得更好验证性能的模型。
|
||||
|
||||
1 Trainer的基本使用
|
||||
下面的例子是使用神经网络来进行预测一个序列中是否有偶数个1。
|
||||
|
||||
Example::
|
||||
----------------------------
|
||||
1. Trainer的基本使用
|
||||
----------------------------
|
||||
|
||||
import numpy as np
|
||||
from torch import nn
|
||||
import torch
|
||||
import torch.nn.functional as F
|
||||
from torch.optim import SGD
|
||||
下面的例子是使用神经网络来进行预测一个序列中是否有偶数个1。
|
||||
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import Trainer
|
||||
from fastNLP import CrossEntropyLoss
|
||||
from fastNLP import AccuracyMetric
|
||||
from fastNLP.modules.decoder import MLP
|
||||
.. code-block:: python
|
||||
|
||||
# 模型
|
||||
class Model(nn.Module):
|
||||
def __init__(self, input_num):
|
||||
super().__init__()
|
||||
self.fcs = MLP([input_num, 40, 40, 2], 'relu')
|
||||
import numpy as np
|
||||
from torch import nn
|
||||
import torch
|
||||
import torch.nn.functional as F
|
||||
from torch.optim import SGD
|
||||
|
||||
def forward(self, x):
|
||||
x = self.fcs(x)
|
||||
return {'pred': x}
|
||||
model = Model(10)
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import Trainer
|
||||
from fastNLP import CrossEntropyLoss
|
||||
from fastNLP import AccuracyMetric
|
||||
from fastNLP.modules.decoder import MLP
|
||||
|
||||
# 生成数据
|
||||
def generate_psedo_dataset(num_samples):
|
||||
dataset = DataSet()
|
||||
data = np.random.randint(2, size=(num_samples, 10))
|
||||
label = np.sum(data, axis=1)%2
|
||||
dataset = DataSet({'x':data.astype(float), 'label': label})
|
||||
dataset.set_input('x')
|
||||
dataset.set_target('label')
|
||||
return dataset
|
||||
tr_dataset = generate_psedo_dataset(1000)
|
||||
dev_data = generate_psedo_dataset(100)
|
||||
# 模型
|
||||
class Model(nn.Module):
|
||||
def __init__(self, input_num):
|
||||
super().__init__()
|
||||
self.fcs = MLP([input_num, 40, 40, 2], 'relu')
|
||||
|
||||
# 训练
|
||||
trainer = Trainer(tr_dataset, model, loss=CrossEntropyLoss(target='label'),
|
||||
optimizer=SGD(model.parameters(), lr=0.1),n_epochs=1000,
|
||||
dev_data = dev_data, metrics=AccuracyMetric(target='label'))
|
||||
trainer.train()
|
||||
def forward(self, x):
|
||||
x = self.fcs(x)
|
||||
return {'pred': x}
|
||||
model = Model(10)
|
||||
|
||||
由上面的例子可以看出通过使用Trainer，可以使得训练部分的代码大幅减少。
|
||||
使用Trainer需要满足以下几个条件:
|
||||
# 生成数据
|
||||
def generate_psedo_dataset(num_samples):
|
||||
dataset = DataSet()
|
||||
data = np.random.randint(2, size=(num_samples, 10))
|
||||
label = np.sum(data, axis=1)%2
|
||||
dataset = DataSet({'x':data.astype(float), 'label': label})
|
||||
dataset.set_input('x')
|
||||
dataset.set_target('label')
|
||||
return dataset
|
||||
tr_dataset = generate_psedo_dataset(1000)
|
||||
dev_data = generate_psedo_dataset(100)
|
||||
|
||||
# 训练
|
||||
trainer = Trainer(tr_dataset, model, loss=CrossEntropyLoss(target='label'),
|
||||
optimizer=SGD(model.parameters(), lr=0.1),n_epochs=1000,
|
||||
dev_data = dev_data, metrics=AccuracyMetric(target='label'))
|
||||
trainer.train()
|
||||
|
||||
由上面的例子可以看出通过使用Trainer，可以使得训练部分的代码大幅减少。
|
||||
使用Trainer需要满足以下几个条件:
|
||||
|
||||
1.1 模型
|
||||
1 模型的forward()的参数名需要与DataSet中的名字对应。实际上fastNLP在将DataSet中的数据传递给模型forward()时，是
|
||||
通过匹配名称实现的。所以上例中，如果Model的forward函数修改为forward(self, data), 则DataSet中的'x'这个field就应该
|
||||
改名为'data'。
|
||||
----------------------------
|
||||
|
||||
2 传递给forward()的参数是DataSet中被设置为input的那些field。但如果forward()中没有对应的参数，则不会将数据传递
|
||||
给forward()。例如，DataSet中'x1', 'x2'都是input，但是模型的函数为forward(self, x1), 那么'x2'不会传递给forward()。
|
||||
1 模型的forward()的参数名需要与DataSet中的名字对应。实际上fastNLP在将DataSet中的数据传递给模型forward()时，是
|
||||
通过匹配名称实现的。所以上例中，如果Model的forward函数修改为forward(self, data), 则DataSet中的'x'这个field就应该
|
||||
改名为'data'。
|
||||
|
||||
3 模型的forward()返回值需要为一个dict。
|
||||
2 传递给forward()的参数是DataSet中被设置为input的那些field。但如果forward()中没有对应的参数，则不会将数据传递
|
||||
给forward()。例如，DataSet中'x1', 'x2'都是input，但是模型的函数为forward(self, x1), 那么'x2'不会传递给forward()。
|
||||
|
||||
3 模型的forward()返回值需要为一个dict。
|
||||
|
||||
1.2 Loss
|
||||
fastNLP中的为了不限制forward函数的返回内容数量(比如一些复杂任务需要返回多个内容，如Dependency Parsing，
|
||||
:mod:`Loss<fastNLP.core.losses>` 与 :mod:`Metric<fastNLP.core.metrics>` 都使用了通过名称来匹配相应内容的策略。如上面的例子中
|
||||
----------------------------
|
||||
|
||||
Example::
|
||||
fastNLP中的为了不限制forward函数的返回内容数量(比如一些复杂任务需要返回多个内容，如Dependency Parsing，
|
||||
:mod:`Loss<fastNLP.core.losses>` 与 :mod:`Metric<fastNLP.core.metrics>` 都使用了通过名称来匹配相应内容的策略。如上面的例子中
|
||||
|
||||
trainer = Trainer(tr_dataset, model, loss=CrossEntropyLoss(target='label'),
|
||||
optimizer=SGD(model.parameters(), lr=0.1),n_epochs=1000,
|
||||
dev_data = dev_data, metrics=AccuracyMetric(target='label'))
|
||||
.. code-block:: python
|
||||
|
||||
loss被设置为了 :class:`~fastNLP.CrossEntropyLoss` , 但在初始化的时候传入了target='label'这个参数，
|
||||
:class:`~fastNLP.CrossEntropyLoss` 的初始化参数为(pred=None, target=None, padding_idx=-100)。
|
||||
|
||||
这里的两个参数分别为计算CrossEntropy时需要使用到的模型的预测值与真实值。
|
||||
其中 `pred` 一般来自于模型forward()的返回结果，`target` 一般是来自于DataSet中被设置为target的field。
|
||||
由于每个人对真实值或者model的返回值取名并不一样，所以fastNLP的 :mod:`Loss<fastNLP.core.losses>` 提供一种类似于映射的机制来匹配对应的值，
|
||||
比如这里 :class:`~fastNLP.CrossEntropyLoss` 将尝试找到名为'label'的内容来作为真实值得到loss；
|
||||
而pred=None, 则 :class:`~fastNLP.CrossEntropyLoss` 使用'pred'作为名称匹配预测值，
|
||||
正好forward的返回值也叫pred，所以这里不需要申明pred。
|
||||
trainer = Trainer(tr_dataset, model, loss=CrossEntropyLoss(target='label'),
|
||||
optimizer=SGD(model.parameters(), lr=0.1),n_epochs=1000,
|
||||
dev_data = dev_data, metrics=AccuracyMetric(target='label'))
|
||||
|
||||
尽管fastNLP使用了映射机制来使得loss的计算变得比较灵活，但有些情况下loss必须在模型中进行计算，比如使用了CRF的模型。
|
||||
fastNLP中提供了 :class:`~fastNLP.LossInForward` 这个loss。
|
||||
这个loss的原理是直接在forward()的返回结果中找到loss_key(默认寻找'loss')指定的那个tensor，并使用它作为loss。
|
||||
如果Trainer初始化没有提供loss则默认使用 :class:`~fastNLP.LossInForward` 。
|
||||
|
||||
.. todo::
|
||||
补充一个例子 详细例子可以参照
|
||||
loss被设置为了 :class:`~fastNLP.CrossEntropyLoss` , 但在初始化的时候传入了target='label'这个参数，
|
||||
:class:`~fastNLP.CrossEntropyLoss` 的初始化参数为(pred=None, target=None, padding_idx=-100)。
|
||||
|
||||
这里的两个参数分别为计算CrossEntropy时需要使用到的模型的预测值与真实值。
|
||||
其中 `pred` 一般来自于模型forward()的返回结果，`target` 一般是来自于DataSet中被设置为target的field。
|
||||
由于每个人对真实值或者model的返回值取名并不一样，所以fastNLP的 :mod:`Loss<fastNLP.core.losses>` 提供一种类似于映射的机制来匹配对应的值，
|
||||
比如这里 :class:`~fastNLP.CrossEntropyLoss` 将尝试找到名为'label'的内容来作为真实值得到loss；
|
||||
而pred=None, 则 :class:`~fastNLP.CrossEntropyLoss` 使用'pred'作为名称匹配预测值，
|
||||
正好forward的返回值也叫pred，所以这里不需要申明pred。
|
||||
|
||||
尽管fastNLP使用了映射机制来使得loss的计算变得比较灵活，但有些情况下loss必须在模型中进行计算，比如使用了CRF的模型。
|
||||
fastNLP中提供了 :class:`~fastNLP.LossInForward` 这个loss。
|
||||
这个loss的原理是直接在forward()的返回结果中找到loss_key(默认寻找'loss')指定的那个tensor，并使用它作为loss。
|
||||
如果Trainer初始化没有提供loss则默认使用 :class:`~fastNLP.LossInForward` 。
|
||||
|
||||
.. todo::
|
||||
补充一个例子 详细例子可以参照
|
||||
|
||||
1.3 Metric
|
||||
:mod:`Metric<fastNLP.core.metrics>` 使用了与上述Loss一样的策略，即使用名称进行匹配。
|
||||
AccuracyMetric(target='label')的情况与CrossEntropyLoss 是同理的。
|
||||
|
||||
在进行验证时，可能用到的计算与forward()中不太一致，没有办法直接从forward()的结果中得到预测值，这时模型可以提供一个predict()方法，
|
||||
如果提供的模型具有predict方法，则在模型验证时将调用predict()方法获取预测结果，
|
||||
传入到predict()的参数也是从DataSet中被设置为input的field中选择出来的;
|
||||
与forward()一样，返回值需要为一个dict。
|
||||
|
||||
.. todo::
|
||||
补充一个例子 具体例子可以参考
|
||||
----------------------------
|
||||
|
||||
2 Trainer的代码检查
|
||||
由于在fastNLP中采取了映射的机制，所以难免可能存在对应出错的情况。Trainer提供一种映射检查机制，可以通过check_code_level来进行控制
|
||||
比如下面的例子中，由于各种原因产生的报错
|
||||
:mod:`Metric<fastNLP.core.metrics>` 使用了与上述Loss一样的策略，即使用名称进行匹配。
|
||||
AccuracyMetric(target='label')的情况与CrossEntropyLoss 是同理的。
|
||||
|
||||
在进行验证时，可能用到的计算与forward()中不太一致，没有办法直接从forward()的结果中得到预测值，这时模型可以提供一个predict()方法，
|
||||
如果提供的模型具有predict方法，则在模型验证时将调用predict()方法获取预测结果，
|
||||
传入到predict()的参数也是从DataSet中被设置为input的field中选择出来的;
|
||||
与forward()一样，返回值需要为一个dict。
|
||||
|
||||
.. todo::
|
||||
补充一个例子 具体例子可以参考
|
||||
|
||||
----------------------------
|
||||
2. Trainer的代码检查
|
||||
----------------------------
|
||||
|
||||
由于在fastNLP中采取了映射的机制，所以难免可能存在对应出错的情况。Trainer提供一种映射检查机制，可以通过check_code_level来进行控制
|
||||
比如下面的例子中，由于各种原因产生的报错
|
||||
|
||||
Example2.1
|
||||
::
|
||||
|
||||
import numpy as np
|
||||
from torch import nn
|
||||
import torch
|
||||
from torch.optim import SGD
|
||||
from fastNLP import Trainer
|
||||
from fastNLP import DataSet
|
||||
----------------------------
|
||||
|
||||
class Model(nn.Module):
|
||||
def __init__(self):
|
||||
super().__init__()
|
||||
self.fc = nn.Linear(1, 1)
|
||||
def forward(self, x, b):
|
||||
loss = torch.mean((self.fc(x)-b)**2)
|
||||
return {'loss': loss}
|
||||
model = Model()
|
||||
.. code-block:: python
|
||||
|
||||
dataset = DataSet({'a': np.arange(10), 'b':np.arange(10)*2})
|
||||
dataset.set_input('a', 'b')
|
||||
import numpy as np
|
||||
from torch import nn
|
||||
import torch
|
||||
from torch.optim import SGD
|
||||
from fastNLP import Trainer
|
||||
from fastNLP import DataSet
|
||||
|
||||
trainer = Trainer(dataset, model, loss=None, optimizer=SGD(model.parameters(), lr=0.001))
|
||||
class Model(nn.Module):
|
||||
def __init__(self):
|
||||
super().__init__()
|
||||
self.fc = nn.Linear(1, 1)
|
||||
def forward(self, x, b):
|
||||
loss = torch.mean((self.fc(x)-b)**2)
|
||||
return {'loss': loss}
|
||||
model = Model()
|
||||
|
||||
trainer = Trainer(dataset, model, SGD(model.parameters()))
|
||||
# 会报以下的错误
|
||||
# input fields after batch(if batch size is 2):
|
||||
# a: (1)type:torch.Tensor (2)dtype:torch.int64, (3)shape:torch.Size([2])
|
||||
# b: (1)type:torch.Tensor (2)dtype:torch.int64, (3)shape:torch.Size([2])
|
||||
# There is no target field.
|
||||
# ....
|
||||
# NameError:
|
||||
# Problems occurred when calling Model.forward(self, x, b)
|
||||
# missing param: ['x']
|
||||
# unused field: ['a']
|
||||
# Suggestion: You need to provide ['x'] in DataSet and set it as input.
|
||||
dataset = DataSet({'a': np.arange(10), 'b':np.arange(10)*2})
|
||||
dataset.set_input('a', 'b')
|
||||
|
||||
这里就是由于在Trainer初始化的时候，fastNLP会尝试使用一个batch_size=2的batch去运行一遍forward()以及backward()。这里有两类
|
||||
信息可以为你提供参考
|
||||
trainer = Trainer(dataset, model, loss=None, optimizer=SGD(model.parameters(), lr=0.001))
|
||||
|
||||
1 'input fields after batch...'这部分显示的是train dataset经过Batch操作后，每个field对应的类型以及进行shape。这里
|
||||
因为train dataset没有target所以没有显示。根据这里可以看出是否正确将需要的内容设置为了input或target。
|
||||
trainer = Trainer(dataset, model, SGD(model.parameters()))
|
||||
# 会报以下的错误
|
||||
# input fields after batch(if batch size is 2):
|
||||
# a: (1)type:torch.Tensor (2)dtype:torch.int64, (3)shape:torch.Size([2])
|
||||
# b: (1)type:torch.Tensor (2)dtype:torch.int64, (3)shape:torch.Size([2])
|
||||
# There is no target field.
|
||||
# ....
|
||||
# NameError:
|
||||
# Problems occurred when calling Model.forward(self, x, b)
|
||||
# missing param: ['x']
|
||||
# unused field: ['a']
|
||||
# Suggestion: You need to provide ['x'] in DataSet and set it as input.
|
||||
|
||||
2 NameError，NameError发生在映射出错的情况。这里报错的原因是由于尝试进行forward计算时(可以通过Model.forward(self, x, b)判断
|
||||
出当前是在调取forward)，却没有获取到forward()函数中需要的'x'；在报错信息中同时指出了缺'x'，而'a'没有被使用，那么可能
|
||||
就是由于field的名称不对。这里将dataset中'a'这个field的名称改为'x'，或者model的参数从'x'修改为'a'都可以解决问题。
|
||||
这里就是由于在Trainer初始化的时候，fastNLP会尝试使用一个batch_size=2的batch去运行一遍forward()以及backward()。这里有两类
|
||||
信息可以为你提供参考
|
||||
|
||||
下面的例子是由于loss计算的时候找不到需要的值
|
||||
1 'input fields after batch...'这部分显示的是train dataset经过Batch操作后，每个field对应的类型以及进行shape。这里
|
||||
因为train dataset没有target所以没有显示。根据这里可以看出是否正确将需要的内容设置为了input或target。
|
||||
|
||||
2 NameError，NameError发生在映射出错的情况。这里报错的原因是由于尝试进行forward计算时(可以通过Model.forward(self, x, b)判断
|
||||
出当前是在调取forward)，却没有获取到forward()函数中需要的'x'；在报错信息中同时指出了缺'x'，而'a'没有被使用，那么可能
|
||||
就是由于field的名称不对。这里将dataset中'a'这个field的名称改为'x'，或者model的参数从'x'修改为'a'都可以解决问题。
|
||||
|
||||
下面的例子是由于loss计算的时候找不到需要的值
|
||||
|
||||
Example2.2
|
||||
::
|
||||
----------------------------
|
||||
|
||||
import numpy as np
|
||||
from torch import nn
|
||||
from torch.optim import SGD
|
||||
from fastNLP import Trainer
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import L1Loss
|
||||
import torch
|
||||
.. code-block:: python
|
||||
|
||||
class Model(nn.Module):
|
||||
def __init__(self):
|
||||
super().__init__()
|
||||
self.fc = nn.Linear(1, 1)
|
||||
def forward(self, a):
|
||||
return {'pred_b': self.fc(a.unsqueeze(1)).squeeze(1), 'No use':1}
|
||||
import numpy as np
|
||||
from torch import nn
|
||||
from torch.optim import SGD
|
||||
from fastNLP import Trainer
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import L1Loss
|
||||
import torch
|
||||
|
||||
model = Model()
|
||||
class Model(nn.Module):
|
||||
def __init__(self):
|
||||
super().__init__()
|
||||
self.fc = nn.Linear(1, 1)
|
||||
def forward(self, a):
|
||||
return {'pred_b': self.fc(a.unsqueeze(1)).squeeze(1), 'No use':1}
|
||||
|
||||
dataset = DataSet({'a': np.arange(10, dtype=float), 'b':np.arange(10, dtype=float)*2})
|
||||
model = Model()
|
||||
|
||||
dataset.set_input('a')
|
||||
dataset.set_target('b')
|
||||
dataset = DataSet({'a': np.arange(10, dtype=float), 'b':np.arange(10, dtype=float)*2})
|
||||
|
||||
trainer = Trainer(dataset, model, loss=L1Loss(target='label'), optimizer=SGD(model.parameters(), lr=0.001))
|
||||
# 报错信息如下
|
||||
# input fields after batch(if batch size is 2):
|
||||
# a: (1)type:torch.Tensor (2)dtype:torch.float32, (3)shape:torch.Size([2])
|
||||
# target fields after batch(if batch size is 2):
|
||||
# b: (1)type:torch.Tensor (2)dtype:torch.float32, (3)shape:torch.Size([2])
|
||||
# ....
|
||||
# NameError:
|
||||
# Problems occurred when calling L1Loss.get_loss(self, pred, target)
|
||||
# missing param: ['pred(assign to `pred` in `L1Loss`)', 'label(assign to `target` in `L1Loss`)']
|
||||
# unused field: ['b']
|
||||
# unused param: ['pred_b', 'No use']
|
||||
# target field: ['b']
|
||||
# param from Model.forward(self, a): ['pred_b', 'No use']
|
||||
# Suggestion: (1). Check key assignment for `target` when initialize L1Loss. Or provide `label` in DataSet or output of Model.forward(self, a).
|
||||
# (2). Check key assignment for `pred` when initialize L1Loss. Or provide `pred` in DataSet or output of Model.forward(self, a).
|
||||
dataset.set_input('a')
|
||||
dataset.set_target('b')
|
||||
|
||||
报错信息也包含两部分:
|
||||
trainer = Trainer(dataset, model, loss=L1Loss(target='label'), optimizer=SGD(model.parameters(), lr=0.001))
|
||||
# 报错信息如下
|
||||
# input fields after batch(if batch size is 2):
|
||||
# a: (1)type:torch.Tensor (2)dtype:torch.float32, (3)shape:torch.Size([2])
|
||||
# target fields after batch(if batch size is 2):
|
||||
# b: (1)type:torch.Tensor (2)dtype:torch.float32, (3)shape:torch.Size([2])
|
||||
# ....
|
||||
# NameError:
|
||||
# Problems occurred when calling L1Loss.get_loss(self, pred, target)
|
||||
# missing param: ['pred(assign to `pred` in `L1Loss`)', 'label(assign to `target` in `L1Loss`)']
|
||||
# unused field: ['b']
|
||||
# unused param: ['pred_b', 'No use']
|
||||
# target field: ['b']
|
||||
# param from Model.forward(self, a): ['pred_b', 'No use']
|
||||
# Suggestion: (1). Check key assignment for `target` when initialize L1Loss. Or provide `label` in DataSet or output of Model.forward(self, a).
|
||||
# (2). Check key assignment for `pred` when initialize L1Loss. Or provide `pred` in DataSet or output of Model.forward(self, a).
|
||||
|
||||
1 第一部分与上面是一样的
|
||||
报错信息也包含两部分:
|
||||
|
||||
2 这里报错的原因是由于计算loss的时候找不到相应的值(通过L1Loss.get_loss(self, pred, target)判断出来的)；
|
||||
报错的原因是因为 `pred` 和 `label` (我们在初始化L1Loss时将target指定为了label)都没有找到。
|
||||
这里'unused field'是DataSet中出现了，但却没有被设置为input或者target的field；
|
||||
'unused param'是forward()中返回且没有被使用到的内容；'target field'是被设置为了target的field;
|
||||
'param from Model.forward(self, a)'是forward()返回的所有key。"Suggestion"是关于当前错误处理的建议。
|
||||
1 第一部分与上面是一样的
|
||||
|
||||
但是在一些情况下，比如forward()返回值只有一个，target也只有一个，fastNLP不会进行匹配，而直接将forward()的结果作为pred,
|
||||
将DataSet中的target设置为target。上面的例子在返回值中加入了一个'No use'则只是为了使得Loss去匹配结果。
|
||||
2 这里报错的原因是由于计算loss的时候找不到相应的值(通过L1Loss.get_loss(self, pred, target)判断出来的)；
|
||||
报错的原因是因为 `pred` 和 `label` (我们在初始化L1Loss时将target指定为了label)都没有找到。
|
||||
这里'unused field'是DataSet中出现了，但却没有被设置为input或者target的field；
|
||||
'unused param'是forward()中返回且没有被使用到的内容；'target field'是被设置为了target的field;
|
||||
'param from Model.forward(self, a)'是forward()返回的所有key。"Suggestion"是关于当前错误处理的建议。
|
||||
|
||||
但是在一些情况下，比如forward()返回值只有一个，target也只有一个，fastNLP不会进行匹配，而直接将forward()的结果作为pred,
|
||||
将DataSet中的target设置为target。上面的例子在返回值中加入了一个'No use'则只是为了使得Loss去匹配结果。
|
||||
|
||||
|
||||
下面是带有dev dataset时如果出现错误会发生的报错，
|
||||
下面是带有dev dataset时如果出现错误会发生的报错，
|
||||
|
||||
Example2.3
|
||||
::
|
||||
----------------------------
|
||||
|
||||
.. code-block:: python
|
||||
|
||||
import numpy as np
|
||||
from torch import nn
|
||||
from torch.optim import SGD
|
||||
from fastNLP import Trainer
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import AccuracyMetric
|
||||
import torch
|
||||
|
||||
class Model(nn.Module):
|
||||
def __init__(self):
|
||||
super().__init__()
|
||||
self.fc = nn.Linear(1, 1)
|
||||
def forward(self, a, b):
|
||||
loss = torch.mean((self.fc(a.float().unsqueeze(1))-b.float())**2)
|
||||
return {'loss': loss}
|
||||
def predict(self, a): # 使用predict()进行验证
|
||||
return {'output':self.fc(a.float().unsqueeze(1))} #这里return的值不包含'pred'这个key
|
||||
model = Model()
|
||||
|
||||
dataset = DataSet({'a': np.arange(10), 'b':np.arange(10)*2})
|
||||
dev_data = DataSet({'a': np.arange(10, 20), 'b':np.arange(10, 20)*2})
|
||||
|
||||
dataset.set_input('a', 'b')
|
||||
dev_data.set_input('a') # 这里没有设置target
|
||||
|
||||
trainer = Trainer(dataset, model, loss=None, optimizer=SGD(model.parameters(), lr=0.001),
|
||||
dev_data=dev_data, metrics=AccuracyMetric())
|
||||
|
||||
# 报错信息
|
||||
# ...
|
||||
# NameError:
|
||||
# Problems occurred when calling AccuracyMetric.evaluate(self, pred, target, seq_len=None)
|
||||
# missing param: ['pred(assign to `pred` in `AccuracyMetric`)', 'target(assign to `target` in `AccuracyMetric`)']
|
||||
# unused param: ['output']
|
||||
# target field: []
|
||||
# param from Model.predict(self, a): ['output']
|
||||
# Suggestion: (1). Check key assignment for `pred` when initialize AccuracyMetric. Or provide `pred` in DataSet or output of Model.predict(self, a).
|
||||
# (2). Check key assignment for `target` when initialize AccuracyMetric. Or provide `target` in DataSet or output of Model.predict(self, a).
|
||||
|
||||
报错信息和前面都是类似的，但是可以通过'AccuracyMetric.evaluate(self, pred, target, seq_len=None)'看出这里是evaluation
|
||||
的时候发生了错误。这样避免了需要在完成一整个epoch的训练才能发现evaluation弄错的情况。这里的修改是通过在初始化metric的时候
|
||||
指明通过'output'获取`pred`, 即AccuracyMetric(pred='output')。
|
||||
|
||||
可以通过check_code_level调节检查的强度。默认为0，即进行检查。
|
||||
|
||||
----------------------------
|
||||
3. Trainer与callback
|
||||
----------------------------
|
||||
|
||||
虽然Trainer本身已经集成了一些功能，但仍然不足以囊括训练过程中可能需要到的功能，比如负采样，learning rate decay, Early Stop等。
|
||||
为了解决这个问题fastNLP引入了callback的机制，:class:`~fastNLP.Callback` 是一种在Trainer训练过程中特定阶段会运行的函数集合，
|
||||
所有的 :class:`~fastNLP.Callback` 都具有on_*(比如on_train_start, on_backward_begin)等函数。
|
||||
如果 Callback 实现了该函数，则Trainer运行至对应阶段，会进行调用，例如::
|
||||
|
||||
from fastNLP import Callback, EarlyStopCallback, Trainer, CrossEntropyLoss, AccuracyMetric
|
||||
from fastNLP.models import CNNText
|
||||
|
||||
start_time = time.time()
|
||||
|
||||
import numpy as np
|
||||
from torch import nn
|
||||
from torch.optim import SGD
|
||||
from fastNLP import Trainer
|
||||
from fastNLP import DataSet
|
||||
from fastNLP import AccuracyMetric
|
||||
import torch
|
||||
|
||||
class Model(nn.Module):
|
||||
def __init__(self):
|
||||
super().__init__()
|
||||
self.fc = nn.Linear(1, 1)
|
||||
def forward(self, a, b):
|
||||
loss = torch.mean((self.fc(a.float().unsqueeze(1))-b.float())**2)
|
||||
return {'loss': loss}
|
||||
def predict(self, a): # 使用predict()进行验证
|
||||
return {'output':self.fc(a.float().unsqueeze(1))} #这里return的值不包含'pred'这个key
|
||||
model = Model()
|
||||
|
||||
dataset = DataSet({'a': np.arange(10), 'b':np.arange(10)*2})
|
||||
dev_data = DataSet({'a': np.arange(10, 20), 'b':np.arange(10, 20)*2})
|
||||
|
||||
dataset.set_input('a', 'b')
|
||||
dev_data.set_input('a') # 这里没有设置target
|
||||
|
||||
trainer = Trainer(dataset, model, loss=None, optimizer=SGD(model.parameters(), lr=0.001),
|
||||
dev_data=dev_data, metrics=AccuracyMetric())
|
||||
|
||||
# 报错信息
|
||||
# ...
|
||||
# NameError:
|
||||
# Problems occurred when calling AccuracyMetric.evaluate(self, pred, target, seq_len=None)
|
||||
# missing param: ['pred(assign to `pred` in `AccuracyMetric`)', 'target(assign to `target` in `AccuracyMetric`)']
|
||||
# unused param: ['output']
|
||||
# target field: []
|
||||
# param from Model.predict(self, a): ['output']
|
||||
# Suggestion: (1). Check key assignment for `pred` when initialize AccuracyMetric. Or provide `pred` in DataSet or output of Model.predict(self, a).
|
||||
# (2). Check key assignment for `target` when initialize AccuracyMetric. Or provide `target` in DataSet or output of Model.predict(self, a).
|
||||
|
||||
报错信息和前面都是类似的，但是可以通过'AccuracyMetric.evaluate(self, pred, target, seq_len=None)'看出这里是evaluation
|
||||
的时候发生了错误。这样避免了需要在完成一整个epoch的训练才能发现evaluation弄错的情况。这里的修改是通过在初始化metric的时候
|
||||
指明通过'output'获取`pred`, 即AccuracyMetric(pred='output')。
|
||||
|
||||
可以通过check_code_level调节检查的强度。默认为0，即进行检查。
|
||||
|
||||
3 Trainer与callback
|
||||
虽然Trainer本身已经集成了一些功能，但仍然不足以囊括训练过程中可能需要到的功能，比如负采样，learning rate decay, Early Stop等。
|
||||
为了解决这个问题fastNLP引入了callback的机制，:class:`~fastNLP.Callback` 是一种在Trainer训练过程中特定阶段会运行的函数集合，
|
||||
所有的 :class:`~fastNLP.Callback` 都具有on_*(比如on_train_start, on_backward_begin)等函数。
|
||||
如果 Callback 实现了该函数，则Trainer运行至对应阶段，会进行调用，例如::
|
||||
class MyCallback(Callback):
|
||||
def on_epoch_end(self):
|
||||
print('{:d}ms\n\n'.format(round((time.time()-start_time)*1000)))
|
||||
|
||||
from fastNLP import Callback, EarlyStopCallback, Trainer, CrossEntropyLoss, AccuracyMetric
|
||||
from fastNLP.models import CNNText
|
||||
|
||||
start_time = time.time()
|
||||
|
||||
class MyCallback(Callback):
|
||||
def on_epoch_end(self):
|
||||
print('{:d}ms\n\n'.format(round((time.time()-start_time)*1000)))
|
||||
|
||||
model = CNNText((len(vocab),50), num_classes=5, padding=2, dropout=0.1)
|
||||
trainer = Trainer(model=model, train_data=train_data, dev_data=dev_data, loss=CrossEntropyLoss(),
|
||||
metrics=AccuracyMetric(), callbacks=[MyCallback(),EarlyStopCallback(10)])
|
||||
trainer.train()
|
||||
|
||||
这里，我们通过继承 :class:`~fastNLP.Callback` 类定义了自己的 callback 的，并和内置的 :class:`~fastNLP.EarlyStopCallback`
|
||||
一起传给了 :class:`~fastNLP.Trainer` ，增强了 :class:`~fastNLP.Trainer` 的功能
|
||||
model = CNNText((len(vocab),50), num_classes=5, padding=2, dropout=0.1)
|
||||
trainer = Trainer(model=model, train_data=train_data, dev_data=dev_data, loss=CrossEntropyLoss(),
|
||||
metrics=AccuracyMetric(), callbacks=[MyCallback(),EarlyStopCallback(10)])
|
||||
trainer.train()
|
||||
|
||||
fastNLP已经自带了很多callback函数供使用，可以参考 :doc:`fastNLP.core.callback` 。
|
||||
这里，我们通过继承 :class:`~fastNLP.Callback` 类定义了自己的 callback 的，并和内置的 :class:`~fastNLP.EarlyStopCallback`
|
||||
一起传给了 :class:`~fastNLP.Trainer` ，增强了 :class:`~fastNLP.Trainer` 的功能
|
||||
|
||||
fastNLP已经自带了很多callback函数供使用，可以参考 :doc:`fastNLP.core.callback` 。
|
||||
|
||||
"""
|
||||
__all__ = [
|
||||
|
||||
@ -4,7 +4,6 @@ utils模块实现了 fastNLP 内部和外部所需的很多工具。其中用户
|
||||
__all__ = [
|
||||
"cache_results",
|
||||
"seq_len_to_mask",
|
||||
"Option",
|
||||
]
|
||||
|
||||
import _pickle
|
||||
@ -24,26 +23,27 @@ _CheckRes = namedtuple('_CheckRes', ['missing', 'unused', 'duplicated', 'require
|
||||
|
||||
class Option(dict):
|
||||
"""a dict can treat keys as attributes"""
|
||||
|
||||
def __getattr__(self, item):
|
||||
try:
|
||||
return self.__getitem__(item)
|
||||
except KeyError:
|
||||
raise AttributeError(item)
|
||||
|
||||
|
||||
def __setattr__(self, key, value):
|
||||
if key.startswith('__') and key.endswith('__'):
|
||||
raise AttributeError(key)
|
||||
self.__setitem__(key, value)
|
||||
|
||||
|
||||
def __delattr__(self, item):
|
||||
try:
|
||||
self.pop(item)
|
||||
except KeyError:
|
||||
raise AttributeError(item)
|
||||
|
||||
|
||||
def __getstate__(self):
|
||||
return self
|
||||
|
||||
|
||||
def __setstate__(self, state):
|
||||
self.update(state)
|
||||
|
||||
@ -163,6 +163,7 @@ def cache_results(_cache_fp, _refresh=False, _verbose=1):
|
||||
|
||||
return wrapper_
|
||||
|
||||
|
||||
def _save_model(model, model_name, save_dir, only_param=False):
|
||||
""" 存储不含有显卡信息的state_dict或model
|
||||
:param model:
|
||||
@ -673,7 +674,7 @@ def seq_len_to_mask(seq_len, max_len=None):
|
||||
将一个表示sequence length的一维数组转换为二维的mask，不包含的位置为0。
|
||||
转变 1-d seq_len到2-d mask.
|
||||
|
||||
Example::
|
||||
.. code-block::
|
||||
|
||||
>>> seq_len = torch.arange(2, 16)
|
||||
>>> mask = seq_len_to_mask(seq_len)
|
||||
@ -691,7 +692,7 @@ def seq_len_to_mask(seq_len, max_len=None):
|
||||
:param np.ndarray,torch.LongTensor seq_len: shape将是(B,)
|
||||
:param int max_len: 将长度pad到这个长度。默认(None)使用的是seq_len中最长的长度。但在nn.DataParallel的场景下可能不同卡的seq_len会有
|
||||
区别，所以需要传入一个max_len使得mask的长度是pad到该长度。
|
||||
:return: np.ndarray or torch.Tensor, shape将是(B, max_length)。 元素类似为bool或torch.uint8
|
||||
:return: np.ndarray, torch.Tensor 。shape将是(B, max_length)， 元素类似为bool或torch.uint8
|
||||
"""
|
||||
if isinstance(seq_len, np.ndarray):
|
||||
assert len(np.shape(seq_len)) == 1, f"seq_len can only have one dimension, got {len(np.shape(seq_len))}."
|
||||
@ -737,7 +738,8 @@ class _pseudo_tqdm:
|
||||
def __exit__(self, exc_type, exc_val, exc_tb):
|
||||
del self
|
||||
|
||||
def iob2(tags:List[str])->List[str]:
|
||||
|
||||
def iob2(tags: List[str]) -> List[str]:
|
||||
"""
|
||||
检查数据是否是合法的IOB数据，如果是IOB1会被自动转换为IOB2。两者的差异见
|
||||
https://datascience.stackexchange.com/questions/37824/difference-between-iob-and-iob2-format
|
||||
@ -760,7 +762,8 @@ def iob2(tags:List[str])->List[str]:
|
||||
tags[i] = "B" + tag[1:]
|
||||
return tags
|
||||
|
||||
def iob2bioes(tags:List[str])->List[str]:
|
||||
|
||||
def iob2bioes(tags: List[str]) -> List[str]:
|
||||
"""
|
||||
将iob的tag转换为bioes编码
|
||||
:param tags: List[str]. 编码需要是大写的。
|
||||
@ -773,15 +776,15 @@ def iob2bioes(tags:List[str])->List[str]:
|
||||
else:
|
||||
split = tag.split('-')[0]
|
||||
if split == 'B':
|
||||
if i+1!=len(tags) and tags[i+1].split('-')[0] == 'I':
|
||||
if i + 1 != len(tags) and tags[i + 1].split('-')[0] == 'I':
|
||||
new_tags.append(tag)
|
||||
else:
|
||||
new_tags.append(tag.replace('B-', 'S-'))
|
||||
elif split == 'I':
|
||||
if i + 1<len(tags) and tags[i+1].split('-')[0] == 'I':
|
||||
if i + 1 < len(tags) and tags[i + 1].split('-')[0] == 'I':
|
||||
new_tags.append(tag)
|
||||
else:
|
||||
new_tags.append(tag.replace('I-', 'E-'))
|
||||
else:
|
||||
raise TypeError("Invalid IOB format.")
|
||||
return new_tags
|
||||
return new_tags
|
||||
|
||||
@ -10,6 +10,7 @@ from .utils import Option
|
||||
from functools import partial
|
||||
import numpy as np
|
||||
|
||||
|
||||
class VocabularyOption(Option):
|
||||
def __init__(self,
|
||||
max_size=None,
|
||||
@ -92,7 +93,7 @@ class Vocabulary(object):
|
||||
self.rebuild = True
|
||||
# 用于承载不需要单独创建entry的词语，具体见from_dataset()方法
|
||||
self._no_create_word = Counter()
|
||||
|
||||
|
||||
@_check_build_status
|
||||
def update(self, word_lst, no_create_entry=False):
|
||||
"""依次增加序列中词在词典中的出现频率
|
||||
@ -123,7 +124,7 @@ class Vocabulary(object):
|
||||
"""
|
||||
self._add_no_create_entry(word, no_create_entry)
|
||||
self.word_count[word] += 1
|
||||
|
||||
|
||||
def _add_no_create_entry(self, word, no_create_entry):
|
||||
"""
|
||||
在新加入word时，检查_no_create_word的设置。
|
||||
@ -139,7 +140,7 @@ class Vocabulary(object):
|
||||
self._no_create_word[w] += 1
|
||||
elif not no_create_entry and w in self._no_create_word:
|
||||
self._no_create_word.pop(w)
|
||||
|
||||
|
||||
@_check_build_status
|
||||
def add_word(self, word, no_create_entry=False):
|
||||
"""
|
||||
@ -193,10 +194,10 @@ class Vocabulary(object):
|
||||
self.word2idx.update({w: i + start_idx for i, (w, _) in enumerate(words)})
|
||||
self.build_reverse_vocab()
|
||||
self.rebuild = False
|
||||
|
||||
|
||||
def build_reverse_vocab(self):
|
||||
"""
|
||||
基于 "word to index" dict, 构建 "index to word" dict.
|
||||
基于 `word to index` dict, 构建 `index to word` dict.
|
||||
|
||||
"""
|
||||
self.idx2word = {i: w for w, i in self.word2idx.items()}
|
||||
@ -250,9 +251,9 @@ class Vocabulary(object):
|
||||
# remember to use `field_name`
|
||||
vocab.index_dataset(train_data, dev_data, test_data, field_name='words')
|
||||
|
||||
:param datasets: 需要转index的 class:`~fastNLP.DataSet` , 支持一个或多个（list）
|
||||
:param ~fastNLP.DataSet,List[~fastNLP.DataSet] datasets: 需要转index的一个或多个数据集
|
||||
:param str field_name: 需要转index的field, 若有多个 DataSet, 每个DataSet都必须有此 field.
|
||||
目前仅支持 ``str`` , ``list(str)`` , ``list(list(str))``
|
||||
目前仅支持 ``str`` , ``List[str]`` , ``List[List[str]]``
|
||||
:param str new_field_name: 保存结果的field_name. 若为 ``None`` , 将覆盖原field.
|
||||
Default: ``None``
|
||||
"""
|
||||
@ -285,11 +286,11 @@ class Vocabulary(object):
|
||||
raise e
|
||||
else:
|
||||
raise RuntimeError("Only DataSet type is allowed.")
|
||||
|
||||
|
||||
@property
|
||||
def _no_create_word_length(self):
|
||||
return len(self._no_create_word)
|
||||
|
||||
|
||||
def from_dataset(self, *datasets, field_name, no_create_entry_dataset=None):
|
||||
"""
|
||||
使用dataset的对应field中词构建词典::
|
||||
@ -297,11 +298,11 @@ class Vocabulary(object):
|
||||
# remember to use `field_name`
|
||||
vocab.from_dataset(train_data1, train_data2, field_name='words')
|
||||
|
||||
:param datasets: 需要转index的 class:`~fastNLP.DataSet` , 支持一个或多个（list）
|
||||
:param field_name: 可为 ``str`` 或 ``list(str)`` .
|
||||
:param ~fastNLP.DataSet,List[~fastNLP.DataSet] datasets: 需要转index的一个或多个数据集
|
||||
:param str,List[str] field_name: 可为 ``str`` 或 ``List[str]`` .
|
||||
构建词典所使用的 field(s), 支持一个或多个field
|
||||
若有多个 DataSet, 每个DataSet都必须有这些field.
|
||||
目前仅支持的field结构: ``str`` , ``list(str)`` , ``list(list(str))``
|
||||
目前仅支持的field结构: ``str`` , ``List[str]`` , ``list[List[str]]``
|
||||
:param no_create_entry_dataset: 可以传入DataSet, List[DataSet]或者None(默认)，该选项用在接下来的模型会使用pretrain
|
||||
的embedding(包括glove, word2vec, elmo与bert)且会finetune的情况。如果仅使用来自于train的数据建立vocabulary，会导致test与dev
|
||||
中的数据无法充分利用到来自于预训练embedding的信息，所以在建立词表的时候将test与dev考虑进来会使得最终的结果更好。
|
||||
@ -331,7 +332,7 @@ class Vocabulary(object):
|
||||
for words in field:
|
||||
for word in words:
|
||||
self.add_word(word, no_create_entry=no_create_entry)
|
||||
|
||||
|
||||
for idx, dataset in enumerate(datasets):
|
||||
if isinstance(dataset, DataSet):
|
||||
try:
|
||||
@ -341,7 +342,7 @@ class Vocabulary(object):
|
||||
raise e
|
||||
else:
|
||||
raise TypeError("Only DataSet type is allowed.")
|
||||
|
||||
|
||||
if no_create_entry_dataset is not None:
|
||||
partial_construct_vocab = partial(construct_vocab, no_create_entry=True)
|
||||
if isinstance(no_create_entry_dataset, DataSet):
|
||||
@ -352,7 +353,7 @@ class Vocabulary(object):
|
||||
raise TypeError("Only DataSet type is allowed.")
|
||||
dataset.apply(partial_construct_vocab)
|
||||
return self
|
||||
|
||||
|
||||
def _is_word_no_create_entry(self, word):
|
||||
"""
|
||||
判断当前的word是否是不需要创建entry的，具体参见from_dataset的说明
|
||||
@ -360,11 +361,10 @@ class Vocabulary(object):
|
||||
:return: bool
|
||||
"""
|
||||
return word in self._no_create_word
|
||||
|
||||
|
||||
def to_index(self, w):
|
||||
"""
|
||||
将词转为数字. 若词不再词典中被记录, 将视为 unknown, 若 ``unknown=None`` , 将抛出
|
||||
``ValueError``::
|
||||
将词转为数字. 若词不再词典中被记录, 将视为 unknown, 若 ``unknown=None`` , 将抛出``ValueError``::
|
||||
|
||||
index = vocab.to_index('abc')
|
||||
# equals to
|
||||
|
||||
Loading…
Reference in New Issue
Block a user