Transformers_for_Text_Classification
基于Transformers的文本分类
基于最新的 huggingface 出品的 transformers v2.2.2代码进行重构。为了保证代码日后可以直接复现而不出现兼容性问题,这里将 transformers 放在本地进行调用。
Highlights
- 支持transformer模型后接各种特征提取器
- 支持测试集预测代码
- 精简原始transformers代码,使之更适合文本分类任务
- 优化logging终端输出,使之输出内容更加合理
Support
model_type:
- bert
- bert_cnn
- bert_lstm
- bert_gru
- xlnet
- xlnet_cnn
- xlnet_lstm
- xlnet_gru
- albert
Content
- dataset:存放数据集
- pretrained_models:存放预训练模型
- transformers:transformers文件夹
- results:存放训练结果
Usage
1. 使用不同模型
在shell文件中修改model_type
参数即可指定模型
如,BERT后接FC全连接层,则直接设置model_type=bert
;BERT后接CNN卷积层,则设置model_type=bert_cnn
.
在本README的Support
中列出了本项目中各个预训练模型支持的model_type
。
最后,在终端直接运行shell文件即可,如:
bash run_classifier.sh
注:在中文RoBERTa、ERNIE、BERT_wwm这三种预训练语言模型中,均使用BERT的model_type进行加载。
2. 使用自定义数据集
- 在
dataset
文件夹里存放自定义的数据集文件夹,如TestData
. - 在根目录下的
utils.py
中,仿照class THUNewsProcessor
写一个自己的类,如命名为class TestDataProcessor
,并在tasks_num_labels
,processors
,output_modes
三个dict中添加相应内容. - 最后,在你需要运行的shell文件中修改TASK_NAME为你的任务名称,如
TestData
.
Environment
-
one 2080Ti, 12GB RAM
-
Python: 3.6.5
-
PyTorch: 1.3.1
-
TensorFlow: 1.14.0(仅为了支持TensorBoard,无其他作用)
-
Numpy: 1.14.6
Performance
数据集: THUNews/5_5000
epoch:1
train_steps: 5000
model | dev set best F1 and Acc | remark |
---|---|---|
bert_base | 0.9308869881728941, 0.9324 | BERT接FC层, batch_size 8, learning_rate 2e-5 |
bert_base+cnn | 0.9136314735833212, 0.9156 | BERT接CNN层, batch_size 8, learning_rate 2e-5 |
bert_base+lstm | 0.9369254464106703, 0.9372 | BERT接LSTM层, batch_size 8, learning_rate 2e-5 |
bert_base+gru | 0.9379539112313108, 0.938 | BERT接GRU层, batch_size 8, learning_rate 2e-5 |
roberta_large | RoBERTa接FC层, batch_size 2, learning_rate 2e-5 | |
xlnet_mid | 0.9530066512880131, 0.954 | XLNet接FC层, batch_size 2, learning_rate 2e-5 |
xlnet_mid+lstm | 0.9269927348553552, 0.9304 | XLNet接LSTM层, batch_size 2, learning_rate 2e-5 |
xlnet_mid+gru | 0.9494631023945569, 0.9508 | XLNet接GRU层, batch_size 2, learning_rate 2e-5 |
albert_xlarge_183k |