BERT在pycharm下的实现

我不是女神ヾ 2022-11-04 05:28 219阅读 0赞

第一次接触BERT，在实现其样例的过程中走了很多弯路。

首先是tensorflow-gpu版本要在1.10.0-1.15.0之间，否则会有很多的不兼容问题。  
为此，创建了新的虚拟环境：

conda create TF python=3.7

1.  在这个TF环境下安装Tensorflow：  
    tensorflow-gpu 1.15.0与cuda及cudnn对应版本号关系：  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70]
2.  1）安装cuda10.0  
    下载地址：[https://developer.nvidia.com/cuda-10.0-download-archive][https_developer.nvidia.com_cuda-10.0-download-archive]
3.  2）安装cudnn7.4  
    下载地址：[https://developer.nvidia.com/rdp/cudnn-archive][https_developer.nvidia.com_rdp_cudnn-archive]  
    选择以下几个：  
    ![在这里插入图片描述][20210301173339638.png]  
    之后使用命令按顺序安装：

sudo dpkg -i libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb
    sudo dpkg -i libcudnn7-dev_7.4.2.24-1+cuda10.0_amd64.deb
    sudo dpkg -i libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb

1.  3）安装tensorflow-gpu版：（使用conda环境安装，不要使用pip）

conda install -c databricks tensorflow-gpu

1.  环境配置好之后，修改参数：

--task_name=MRPC
    --do_train=true
    --do_eval=true
    --data_dir=/home/xxx/pythonProject/Tensor/BERT/GLUE/glue_data/MRPC
    --vocab_file=/home/xxx/pythonProject/Tensor/BERT/GLUE/BERT_BASE_DIR/uncased_L-12_H-768_A-12/vocab.txt
    --bert_config_file=/home/xxx/pythonProject/Tensor/BERT/GLUE/BERT_BASE_DIR/uncased_L-12_H-768_A-12/bert_config.json
    --init_checkpoint=/home/xxx/pythonProject/Tensor/BERT/GLUE/BERT_BASE_DIR/uncased_L-12_H-768_A-12/bert_model.ckpt
    --max_seq_length=128
    --train_batch_size=32
    --learning_rate=2e-5
    --num_train_epochs=3.0
    --output_dir=/home/xxx/pythonProject/Tensor/GLUE/output/

在pycharm中设置：  
选中run\_classifier.py，之后右键选中modify run configation,将上述参数复制到parameters中：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 1]

1.  运行，等待结果。

![在这里插入图片描述][20210301174243693.png]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70]: /images/20221023/3c9479d5f54d499395dc0bb34a7d66ab.png
[https_developer.nvidia.com_cuda-10.0-download-archive]: https://developer.nvidia.com/cuda-10.0-download-archive
[https_developer.nvidia.com_rdp_cudnn-archive]: https://developer.nvidia.com/rdp/cudnn-archive
[20210301173339638.png]: /images/20221023/7165272a940649dfbd07ca2da59ed856.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 1]: /images/20221023/4d89ecc9b47a45c98f8850c325a4b54a.png
[20210301174243693.png]: /images/20221023/eb01869d095047589b14c2b5dd1b7364.png