如何使用经过训练的 BERT 模型检查点进行预测？

Question

我使用 SQUAD 2.0 训练了 BERT 并使用BERT-master在输出目录中获得了model.ckpt.data 、 model.ckpt.meta 、 model.ckpt.index （F1 分数：81）以及predictions.json等/run_squad.py

python run_squad.py \
  --vocab_file=$BERT_LARGE_DIR/vocab.txt \
  --bert_config_file=$BERT_LARGE_DIR/bert_config.json \
  --init_checkpoint=$BERT_LARGE_DIR/bert_model.ckpt \
  --do_train=True \
  --train_file=$SQUAD_DIR/train-v2.0.json \
  --do_predict=True \
  --predict_file=$SQUAD_DIR/dev-v2.0.json \
  --train_batch_size=24 \
  --learning_rate=3e-5 \
  --num_train_epochs=2.0 \
  --max_seq_length=384 \
  --doc_stride=128 \
  --output_dir=gs://some_bucket/squad_large/ \
  --use_tpu=True \
  --tpu_name=$TPU_NAME \
  --version_2_with_negative=True

我尝试将model.ckpt.meta 、 model.ckpt.index 、 model.ckpt.data到$BERT_LARGE_DIR目录并更改run_squad.py标志如下仅预测答案而不使用数据集进行训练：

python run_squad.py \
  --vocab_file=$BERT_LARGE_DIR/vocab.txt \
  --bert_config_file=$BERT_LARGE_DIR/bert_config.json \
  --init_checkpoint=$BERT_LARGE_DIR/model.ckpt \
  --do_train=False \
  --train_file=$SQUAD_DIR/train-v2.0.json \
  --do_predict=True \
  --predict_file=$SQUAD_DIR/dev-v2.0.json \
  --train_batch_size=24 \
  --learning_rate=3e-5 \
  --num_train_epochs=2.0 \
  --max_seq_length=384 \
  --doc_stride=128 \
  --output_dir=gs://some_bucket/squad_large/ \
  --use_tpu=True \
  --tpu_name=$TPU_NAME \
  --version_2_with_negative=True

它抛出bucket directory/model.ckpt不存在错误。

如何利用训练后生成的检查点并将其用于预测？

Answer 1

通常，训练的检查点是在训练时在--output_dir参数指定的目录中--output_dir 。 （在您的情况下是gs://some_bucket/squad_large/ ）。 每个检查点都会有一个编号。 你必须找出最大的数字； 例如： model.ckpt-12345 。 现在，使用输出目录和最后保存的检查点（编号最高的模型）在您的评估/预测中设置--init_checkpoint参数。 （在您的情况下，它应该类似于--init_checkpoint=gs://some_bucket/squad_large/model.ckpt-<highest number> ）

Answer 2

在第二个代码中 FLAG init_checkpoint我认为它应该是：

--init_checkpoint=$BERT_LARGE_DIR/bert_model.ckpt

与上面的一样，而不是--init_checkpoint=$BERT_LARGE_DIR/model.ckpt 。

如果问题仍然存在，您是否使用了multi_cased_L-12_H-768_A-12预训练模型？