預訓練的 BERT model 的權重未初始化

Question

我正在使用語言解釋工具包(LIT) 加載和分析我在 NER 任務上預訓練的 BERT model。

但是，當我使用傳遞給它的預訓練 model 的路徑啟動 LIT 腳本時，它無法初始化權重並告訴我：

    modeling_utils.py:648] loading weights file bert_remote/examples/token-classification/Data/Models/results_21_03_04_cleaned_annotations/04.03._8_16_5e-5_cleaned_annotations/04-03-2021 (15.22.23)/pytorch_model.bin
    modeling_utils.py:739] Weights of BertForTokenClassification not initialized from pretrained model: ['bert.pooler.dense.weight', 'bert.pooler.dense.bias']
    modeling_utils.py:745] Weights from pretrained model not used in BertForTokenClassification: ['bert.embeddings.position_ids']

然后它只是使用 BERT 的bert-base-german-cased版本，它當然沒有我的自定義標簽，因此無法預測任何東西。 我認為這可能與 PyTorch 有關，但我找不到錯誤。

如果相關，這里是我如何將我的數據集加載到 CoNLL 2003 格式（在此處找到的數據加載器腳本的修改）：

    def __init__(self):

        # Read ConLL Test Files

        self._examples = []

        data_path = "lit_remote/lit_nlp/examples/datasets/NER_Data"
        with open(os.path.join(data_path, "test.txt"), "r", encoding="utf-8") as f:
            lines = f.readlines()

        for line in lines[:2000]:
            if line != "\n":
                token, label = line.split(" ")
                self._examples.append({
                    'token': token,
                    'label': label,
                })
            else:
                self._examples.append({
                    'token': "\n",
                    'label': "O"
                })

    def spec(self):
        return {
            'token': lit_types.Tokens(),
            'label': lit_types.SequenceTags(align="token"),
        }

這就是我如何初始化 model 並啟動 LIT 服務器（修改simple_pytorch_demo.py腳本在這里找到）：

    def __init__(self, model_name_or_path):
        self.tokenizer = transformers.AutoTokenizer.from_pretrained(
            model_name_or_path)
        model_config = transformers.AutoConfig.from_pretrained(
            model_name_or_path,
            num_labels=15,  # FIXME CHANGE
            output_hidden_states=True,
            output_attentions=True,
        )
        # This is a just a regular PyTorch model.
        self.model = _from_pretrained(
            transformers.AutoModelForTokenClassification,
            model_name_or_path,
            config=model_config)
        self.model.eval()

## Some omitted snippets here

    def input_spec(self) -> lit_types.Spec:
        return {
            "token": lit_types.Tokens(),
            "label": lit_types.SequenceTags(align="token")
        }

    def output_spec(self) -> lit_types.Spec:
        return {
            "tokens": lit_types.Tokens(),
            "probas": lit_types.MulticlassPreds(parent="label", vocab=self.LABELS),
            "cls_emb": lit_types.Embeddings()

Answer 1

這實際上似乎是預期的行為。 在GPT 模型的文檔中， HuggingFace 團隊寫道：

這將發出有關未使用某些預訓練權重和隨機初始化某些權重的警告。 那是因為我們丟棄了 BERT model 的預訓練頭，用隨機初始化的分類頭替換它。

所以微調似乎不是問題。 在我上面描述的用例中，盡管有警告，它仍然有效。