【自然语言处理】PyTorch-Transformers预训练模型库的简单了解

一时失言乱红尘 2024-04-18 17:13 2阅读 0赞

### 文章目录 ###

*  前言
 *  一、说明
 *  二、什么是PyTorch-Transformers
 *  三、安装PyTorch-Transformers
 *   *  3.1 命令：\`pip install pytorch-transformers\` 安装
 *  四、简单测试
 *   *  4.1 背景介绍
     *  4.2 案例测试一

# 前言 #

最近心事重重，寝不能安，夜也不能寐滴，外加慢性肠胃炎也开始作妖，于是乎早早醒来，恰逢老师微信推送，仔细一看，喔噢，这不是我早期关注过的嘛，仔细一看，人家昨天就推送了，看来还是自己的问题，等到老师推送才能重视，反思！！！

--------------------

分割线走一波

# 一、说明 #

1、windows系统  
2、conda 4.6.14  
3、python3.5

# 二、什么是PyTorch-Transformers #

简而言之就是一个目前用于自然语言处理(NLP)的最先进的预训练模型库。该库目前包含了如下列所示模型的PyTorch实现、预训练模型权重、使用脚本和下列模型的转换工具：

> 1、 [BERT][]（来自 Google）：作者 Jacob Devlin、Ming-Wei Chang、Kenton Lee 和 Kristina Toutanova：[BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding][BERT_ Pre-training of Deep Bidirectional Transformers for Language Understanding]（《BERT：用于语言理解的深度双向 Transformer 的预训练》）  
> 2、[GPT][] （来自 OpenAI）：作者 Alec Radford、Karthik Narasimhan、Tim Salimans 和 Ilya Sutskever：Improving Language Understanding by Generative Pre-Training （《通过生成式预训练提高语言理解能力》）  
> 3、GPT-2 （来自 OpenAI）：作者Alec Radford、Jeffrey Wu、Rewon Child、David Luan、Dario Amodei 和 Ilya Sutskever： Language Models are Unsupervised Multitask Learners （《语言模型是无监督的多任务学习器》）  
> 4、[Transformer-XL ][Transformer-XL]（来自 Google/CMU）：作者 Zihang Dai、Zhilin Yang、Yiming Yang, Jaime Carbonell、Quoc V. Le、Ruslan Salakhutdinov：Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context （《Transformer-XL：超长上下文关系的注意力语言模型》）  
> 5、[XLNet ][XLNet]（来自 Google/CMU）：作者 Zihang Dai、Zhilin Yang、Yiming Yang、Jaime Carbonell、Quoc V. Le、Ruslan Salakhutdinov：XLNet: Generalized Autoregressive Pretraining for Language Understanding （《XLNet：用于语言理解的广义自回归预训练》）  
> 6、[XLM ][XLM]（来自 Facebook）：作者 Guillaume Lample 和 Alexis Conneau：Cross-lingual Language Model Pretraining （《跨语言的语言模型预训练》）

这家伙的开源地址：[https://github.com/huggingface/pytorch-transformers\#quick-tour][https_github.com_huggingface_pytorch-transformers_quick-tour]  
它的老窝：[https://huggingface.co/pytorch-transformers/index.html][https_huggingface.co_pytorch-transformers_index.html]

# 三、安装PyTorch-Transformers #

## 3.1 命令：`pip install pytorch-transformers` 安装 ##

通过命令`pip install pytorch-transformers`来进行安装：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70]  
是不是感觉很简单，哈哈哈要是那就好了，奈何，江湖险恶套路深呀，这年头一条道走到黑那是不可能的，总地让你来个九拐十八弯。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70 1]  
一个警告：`ERROR: Could not find a version that satisfies the requirement torch>=1.0.0 (from pytorch-transformers) (from versions: 0.1.2, 0.1.2.post1, 0.1.2.post2) ERROR: No matching distribution found for torch>=1.0.0 (from pytorch-transformers)`  
大概意思是：找不到这个对应的版本。  
解释一下：

> 1、如果没有安装过pytorch则应该不会有这样的报错问题  
> 2、既然之前安装过了，那就说明安装的pytorch与我们现在安装Pytorch-Transformers冲突不符合

解决警告错误方案

> 1、修改已安装的版本  
>      就是修改setup.py中相关的版本号，这个比较麻烦，鉴于时间问题就不给自己找麻烦了，我们来看第二种方法  
> 2、重新安装  
>      就是先卸载之前安装的pytorch，重新安装一个0.4.1的版本即可，具体看接下来的操作。  
> 说明：  
>       PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。PyTorch提供了两个高级功能：  
>      1、具有强大的GPU加速的张量计算（如Numpy）  
>      2、包含自动求导系统的深度神经网络

好啦，既然该解释的都解释清楚了，那就行动见真章吧！

--------------------

老规矩，分割线见证我的帅气！！！  
下图是[官网][Link 1]给出的安装命令：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70 2]  
因为是国外的服务器，所以博主先[离线][Link 2]下载下来，然后在本地安装。  
 安装命令：

> 1、cmd切换到此前下载下来的东东所在的目录下  
> 2、pip install 包名  
> ![在这里插入图片描述][2019091010024270.png]  
> 看到successfully，就不用多讲了吧，嘿嘿嘿。

--------------------

现在我们回过头来继续安装`PyTorch-Transformers`包。  
奈何依旧一样的报错，究其原因安装的pytorch的版本是0.4.0的，根据报错要需要大于等于1.1.0的。所以，卸载之前安装的pytorch，继续来[安装一个1.1.0][1.1.0]版本的吧。  
卸载pytorch0.4.0![在这里插入图片描述][20190910111806825.png]  
安装1.1.0  
![在这里插入图片描述][20190910111915809.png]  
注：获取pytorch链接：

1.  [http://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win\_amd64.whl][Link 2]
2.  [ http://download.pytorch.org/whl/cu90/torch-0.4.0-cp36-cp36m-win\_amd64.whl][http_download.pytorch.org_whl_cu90_torch-0.4.0-cp36-cp36m-win_amd64.whl]

--------------------

再次通过命令：`pip install pytorch-transformers`安装  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70 3]  
好嘛，看到最后，算是安装成功了。

# 四、简单测试 #

## 4.1 背景介绍 ##

> 1、2019年2月，OpenAI发布了一种新的基于transformer语言模型GPT-2。GPT-2是一种于基于transformer的生成语言模型，它基于来自互联网上的40GB的精选文本进行训练。  
> 2、什么是语言模型  
> 简单说来，语言模型的作用就是根据已有句子的一部分，来预测下一个单词会是什么。最著名的语言模型你一定见过，就是我们手机上的输入法，它可以根据当前输入的内容智能推荐下一个词。  
> 从这个角度出发：可以把GPT-2理解为相当于输入法的单词联想功能，但它比你手机上安装的此类应用大得多，也更加复杂。OpenAI 的研究人员使用了一个从网络上爬取的 40GB 超大数据集「WebText」训练 GPT-2，该数据集也是他们的工作成果的一部分。  
>  3、近期的NLP方向  
> ELMO、GPT、BERT、Transformer-XL、GPT-2，各种预训练语言模型层出不穷，这些模型在各种NLP任务上一次又一次刷新上线，令人心驰神往。 到底该怎么将这些顶尖工具用到我的模型里呢？答案是Hugging Face的大神们开源的pytorch-pretrained-BERT。  
> Github 地址：  
> https://github.com/huggingface/pytorch-pretrained-BERT  
>  3、说明

关于GPT-2更详细的内部细节的了解可参考如下链接：  
http://www.sohu.com/a/336262203\_129720  
https://cloud.tencent.com/developer/article/1494634

## 4.2 案例测试一 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70 4]

""" author:jjk datetime:2019/5/2 coding:utf-8 project name:Pycharm_workstation Program function: """
    import torch# 导入必要的库
    from pytorch_transformers import GPT2Tokenizer, GPT2LMHeadModel
    
    tokenizer = GPT2Tokenizer.from_pretrained('gpt2')# 加载预训练模型tokenizer (vocabulary)
    
    text = "What is the fastest car in the"
    indexed_tokens = tokenizer.encode(text)# 对文本输入进行编码
    tokens_tensor = torch.tensor([indexed_tokens])# 在PyTorch张量中转换indexed_tokens
    
    # 加载预训练模型 (weights)
    model = GPT2LMHeadModel.from_pretrained('gpt2')
    
    
    model.eval()#将模型设置为evaluation模式，关闭DropOut模块
    
    # 如果你有GPU，把所有东西都放在cuda上
    tokens_tensor = tokens_tensor.to('cuda')
    model.to('cuda')
    
    # 预测所有的tokens
    with torch.no_grad():
        outputs = model(tokens_tensor)
        predictions = outputs[0]
    # 得到预测的单词
    predicted_index = torch.argmax(predictions[0, -1, :]).item()
    predicted_text = tokenizer.decode(indexed_tokens + [predicted_index])
    # 打印预测单词
    print(predicted_text)

源码很直白，直接将文本标记为数字序列并将其缩影，然后传递给GPT2LMHeadModel模型。  
![在这里插入图片描述][20190916201420957.png]  
不得不说，对于这么大的模型进行来训练，是需要硬件的要求确实很高。  
具体的可以参考此链接：[https://mp.weixin.qq.com/s/SNMlBd1RuenINmXwO3SVwQ][https_mp.weixin.qq.com_s_SNMlBd1RuenINmXwO3SVwQ]

[BERT]: https://github.com/google-research/bert
[BERT_ Pre-training of Deep Bidirectional Transformers for Language Understanding]: https://arxiv.org/abs/1810.04805
[GPT]: https://github.com/openai/finetune-transformer-lm
[Transformer-XL]: https://github.com/kimiyoung/transformer-xl
[XLNet]: https://github.com/zihangdai/xlnet/
[XLM]: https://github.com/facebookresearch/XLM/
[https_github.com_huggingface_pytorch-transformers_quick-tour]: https://github.com/huggingface/pytorch-transformers#quick-tour
[https_huggingface.co_pytorch-transformers_index.html]: https://huggingface.co/pytorch-transformers/index.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/436d33b76d53484da76294c6b090c3e7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/51a90f2c6313488983dab2466ab42f4b.png
[Link 1]: https://pytorch.org/get-started/locally/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/cca83d638a6b4056b209a1439b6db52c.png
[Link 2]: http://download.pytorch.org/whl/cu90/torch-0.4.0-cp36-cp36m-win_amd64.whl
[2019091010024270.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/3f5350ee14424afb859ecdf5e39153e5.png
[1.1.0]: http://download.pytorch.org/whl/cpu/torch-1.1.0-cp27-cp27m-linux_x86_64.whl
[20190910111806825.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/a5d9794dff4f4aa695f3f3d1419813ef.png
[20190910111915809.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/fcd0b8c3192d4087804c8a0bc3f41c4e.png
[http_download.pytorch.org_whl_cu90_torch-0.4.0-cp36-cp36m-win_amd64.whl]: http://download.pytorch.org/whl/cu90/torch-0.4.1-cp36-cp36m-win_amd64.whl
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/6e6b90789b214e79a9dab45bbb87305c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0ppYWppa2FuZ19qams_size_16_color_FFFFFF_t_70 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/75eaa040978749b5a669219c6de27848.png
[20190916201420957.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/4040dd5182754dc9a1504c22f8c84c22.png
[https_mp.weixin.qq.com_s_SNMlBd1RuenINmXwO3SVwQ]: https://mp.weixin.qq.com/s/SNMlBd1RuenINmXwO3SVwQ