一.BERT微调 1.介绍 自然语言推断是一个序列级别的文本对分类问题，而微调BERT只需要一个额外的基于多层感知机的架构对预训练好的BERT权重参数进行微调，如下图所示。下面将下载一个预训练好的小版本的BERT，然后对其进行微调，以便在SNLI数据集上进行自然语言推断。

文章图片

2.加载预训练的BERT 在前面博客BERT预训练第二篇：李沐动手学深度学习V2-bert预训练数据集和代码实现和 BERT预训练第三篇：李沐动手学深度学习V2-BERT预训练和代码实现介绍了预训练的BERT（注意原始的BERT模型是在更大的语料库上预训练的，原始的BERT模型有数以亿计的参数）。在下面提供了两个版本的预训练的BERT：“bert.base”与原始的BERT基础模型一样大，需要大量的计算资源才能进行微调，而“bert.small”是一个小版本，以便于演示。

import os import torch from torch import nn import d2l.torch import json import multiprocessing d2l.torch.DATA_HUB['bert.base'] = (d2l.torch.DATA_URL + 'bert.base.torch.zip', '225d66f04cae318b841a13d32af3acc165f253ac') d2l.torch.DATA_HUB['bert.small'] = (d2l.torch.DATA_URL + 'bert.small.torch.zip', 'c72329e68a732bef0452e4b96a1c341c8910f81f')

两个预训练好的BERT模型都包含一个定义词表的“vocab.json”文件和一个预训练BERT参数的“pretrained.params”文件，load_pretrained_model函数用于加载预先训练好的BERT参数。

def load_pretrained_model(pretrained_model,num_hiddens,ffn_num_hiddens,num_heads,num_layers,dropout,max_len,devices): data_dir = d2l.torch.download_extract(pretrained_model) # 定义空词表以加载预定义词表 vocab = d2l.torch.Vocab() vocab.idx_to_token = json.load(open(os.path.join(data_dir,'vocab.json'))) vocab.token_to_idx = {token:idx for idx,token in enumerate(vocab.idx_to_token)} bert = d2l.torch.BERTModel(len(vocab),num_hiddens=num_hiddens,norm_shape=[256],ffn_num_input=256,ffn_num_hiddens=ffn_num_hiddens,num_heads=num_heads,num_layers=num_layers,dropout=dropout,max_len=max_len,key_size=256,query_size=256,value_size=256,hid_in_features=256,mlm_in_features=256,nsp_in_features=256) # bert = nn.DataParallel(bert,device_ids=devices).to(devices[0]) # bert.module.load_state_dict(torch.load(os.path.join(data_dir,'pretrained.params')),strict=False) # 加载预训练BERT参数 bert.load_state_dict(torch.load(os.path.join(data_dir,'pretrained.params'))) return bert,vocab

【李沐动手学深度学习笔记|李沐动手学深度学习V2-BERT微调和代码实现】为了便于在大多数机器上演示，下面加载和微调经过预训练BERT的小版本（“bert.mall”）。

devices = d2l.torch.try_all_gpus()[2:4] bert,vocab = load_pretrained_model('bert.small',num_hiddens=256,ffn_num_hiddens=512,num_heads=4,num_layers=2,dropout=0.1,max_len=512,devices=devices)

3. 微调BERT的数据集 对于SNLI数据集的下游任务自然语言推断，定义一个定制的数据集类SNLIBERTDataset。在每个样本中，前提和假设形成一对文本序列，并被打包成一个BERT输入序列，片段索引用于区分BERT输入序列中的前提和假设。利用预定义的BERT输入序列的最大长度（max_len），持续移除输入文本对中较长文本的最后一个标记，直到满足max_len。为了加速生成用于微调BERT的SNLI数据集，使用4个工作进程并行生成训练或测试样本。

class SNLIBERTDataset(torch.utils.data.Dataset): def __init__(self,dataset,max_len,vocab=None): all_premises_hypotheses_tokens = [[p_tokens,h_tokens] for p_tokens,h_tokens in zip(*[d2l.torch.tokenize([s.lower() for s in sentences]) for sentences in dataset[:2]])] self.vocab = vocab self.max_len = max_len self.labels = torch.tensor(dataset[2]) self.all_tokens_id,self.all_segments,self.all_valid_lens = self._preprocess(all_premises_hypotheses_tokens) print(f'read {len(self.all_tokens_id)} examples') def _preprocess(self,all_premises_hypotheses_tokens): pool = multiprocessing.Pool(4)# 使用4个进程 out = pool.map(self._mp_worker,all_premises_hypotheses_tokens) all_tokens_id = [tokens_id for tokens_id,segments,valid_len in out] all_segments = [segments for tokens_id,segments,valid_len in out] all_valid_lens = [valid_len for tokens_id,segments,valid_len in out] return torch.tensor(all_tokens_id,dtype=torch.long),torch.tensor(all_segments,dtype=torch.long),torch.tensor(all_valid_lens) def _mp_worker(self,premises_hypotheses_tokens): p_tokens,h_tokens = premises_hypotheses_tokens self._truncate_pair_of_tokens(p_tokens,h_tokens) tokens,segments = d2l.torch.get_tokens_and_segments(p_tokens,h_tokens) valid_len = len(tokens) tokens_id = self.vocab[tokens]+[self.vocab['']]*(self.max_len-valid_len) segments = segments+[0]*(self.max_len-valid_len) return (tokens_id,segments,valid_len) def _truncate_pair_of_tokens(self,p_tokens,h_tokens): # 为BERT输入中的''、''和''词元保留位置 while (len(p_tokens)+len(h_tokens))>self.max_len-3: if len(p_tokens)>len(h_tokens): p_tokens.pop() else: h_tokens.pop() def __getitem__(self, idx): return (self.all_tokens_id[idx],self.all_segments[idx],self.all_valid_lens[idx]),self.labels[idx] def __len__(self): return len(self.all_tokens_id)

下载完SNLI数据集后，通过实例化SNLIBERTDataset类来生成训练和测试样本，这些样本将在自然语言推断的训练和测试期间进行小批量读取。

#在原始的BERT模型中，max_len=512 batch_size,max_len,num_workers = 512,128,d2l.torch.get_dataloader_workers() data_dir = d2l.torch.download_extract('SNLI') train_set = SNLIBERTDataset(d2l.torch.read_snli(data_dir,is_train=True),max_len,vocab) test_set = SNLIBERTDataset(d2l.torch.read_snli(data_dir,is_train=False),max_len,vocab) train_iter = torch.utils.data.DataLoader(train_set,batch_size,num_workers=num_workers,shuffle=True) test_iter = torch.utils.data.DataLoader(test_set,batch_size,num_workers=num_workers,shuffle=False)

4. BERT微调 **用于自然语言推断的微调BERT只需要一个额外的多层感知机，该多层感知机由两个全连接层组成，**与前面BERT实现的博客BERT预训练第一篇：李沐动手学深度学习V2-bert和代码实现中BERTClassifier类中进行nsp预测的self.hidden和self.output的多层感知机结构一个。这个多层感知机将特殊的“”词元的BERT表示进行了转换，该词元同时编码前提和假设的信息，经过多层感知机后得到自然语言推断的输出分类特征维：蕴涵、矛盾和中性。

class BERTClassifier(nn.Module): def __init__(self,bert): super(BERTClassifier,self).__init__() self.encoder = bert.encoder self.hidden = bert.hidden self.output = nn.Linear(256,3) def forward(self,inputs): tokens_X,segments_X,valid_lens_X = inputs encoded_X = self.encoder(tokens_X,segments_X,valid_lens_X) return self.output(self.hidden(encoded_X[:,0,:]))

下面将预训练的BERT模型bert被送到用于下游应用的BERTClassifier实例net中。在BERT微调的常见实现中，只有额外的多层感知机（net.output）的输出层的参数将从零开始学习。预训练BERT编码器（net.encoder）和额外的多层感知机的隐藏层（net.hidden）的所有参数都将进行微调。

net = BERTClassifier(bert)

在BERT预训练中MaskLM类和NextSentencePred类在其使用的多层感知机中都有一些参数，这些参数是预训练BERT模型bert中参数的一部分，然而这些参数仅用于计算预训练过程中的遮蔽语言模型损失和下一句预测损失。这两个损失函数与微调下游应用无关，因此当BERT微调时，MaskLM和NextSentencePred中采用的多层感知机的参数不会更新（陈旧的，staled）。
通过d2l.train_batch_ch13（）函数使用SNLI的训练集（train_iter）和测试集（test_iter）对net模型进行训练和评估，结果如下图所示。

lr,num_epochs = 1e-4,5 optim = torch.optim.Adam(params=net.parameters(),lr=lr) loss = nn.CrossEntropyLoss(reduction='none') d2l.torch.train_ch13(net,train_iter,test_iter,loss,optim,num_epochs,devices)

文章图片

5. 小结

• 针对下游应用对预训练的BERT模型进行微调，例如在SNLI数据集上进行自然语言推断。
• 在微调过程中，BERT模型成为下游应用模型的一部分，再加上多层感知机进行下游应用模型任务的训练和评估。

6. 使用原始BERT的预训练模型进行微调 微调一个更大的预训练BERT模型，该模型与原始的BERT基础模型一样大。修改load_pretrained_model函数中的参数设置：将“bert.mall”替换为“bert.base”，将num_hiddens=256、ffn_num_hiddens=512、num_heads=4和num_layers=2的值分别增加到768、3072、12和12，同时修改多层感知机输出层的Linear层为(nn.Linear(768,3)，因为现在经过BERT模型输出特征维变为768)，增加微调迭代轮数，代码如下所示。

import os import torch from torch import nn import d2l.torch import json import multiprocessingd2l.torch.DATA_HUB['bert.base'] = (d2l.torch.DATA_URL + 'bert.base.torch.zip', '225d66f04cae318b841a13d32af3acc165f253ac') d2l.torch.DATA_HUB['bert.small'] = (d2l.torch.DATA_URL + 'bert.small.torch.zip', 'c72329e68a732bef0452e4b96a1c341c8910f81f')devices = d2l.torch.try_all_gpus() def load_pretrained_model1(pretrained_model,num_hiddens,ffn_num_hiddens,num_heads,num_layers,dropout,max_len,devices): data_dir = d2l.torch.download_extract(pretrained_model) vocab = d2l.torch.Vocab() vocab.idx_to_token = json.load(open(os.path.join(data_dir,'vocab.json'))) vocab.token_to_idx = {token:idx for idx,token in enumerate(vocab.idx_to_token)} bert = d2l.torch.BERTModel(len(vocab),num_hiddens=num_hiddens,norm_shape=[768],ffn_num_input=768,ffn_num_hiddens=ffn_num_hiddens,num_heads=num_heads,num_layers=num_layers,dropout=dropout,max_len=max_len,key_size=768,query_size=768,value_size=768,hid_in_features=768,mlm_in_features=768,nsp_in_features=768) # bert = nn.DataParallel(bert,device_ids=devices).to(devices[0]) # bert.module.load_state_dict(torch.load(os.path.join(data_dir,'pretrained.params')),strict=False)bert.load_state_dict(torch.load(os.path.join(data_dir,'pretrained.params'))) return bert,vocabbert,vocab = load_pretrained_model1('bert.base',num_hiddens=768,ffn_num_hiddens=3072,num_heads=12,num_layers=12,dropout=0.1,max_len=512,devices=devices) class SNLIBERTDataset(torch.utils.data.Dataset): def __init__(self, dataset, max_len, vocab=None): all_premises_hypotheses_tokens = [[p_tokens, h_tokens] for p_tokens, h_tokens in zip(*[d2l.torch.tokenize([s.lower() for s in sentences]) for sentences in dataset[:2]])] self.vocab = vocab self.max_len = max_len self.labels = torch.tensor(dataset[2]) self.all_tokens_id, self.all_segments, self.all_valid_lens = self._preprocess(all_premises_hypotheses_tokens) print(f'read {len(self.all_tokens_id)} examples')def _preprocess(self, all_premises_hypotheses_tokens): pool = multiprocessing.Pool(4)# 使用4个进程 out = pool.map(self._mp_worker, all_premises_hypotheses_tokens) all_tokens_id = [tokens_id for tokens_id, segments, valid_len in out] all_segments = [segments for tokens_id, segments, valid_len in out] all_valid_lens = [valid_len for tokens_id, segments, valid_len in out] return torch.tensor(all_tokens_id, dtype=torch.long), torch.tensor(all_segments, dtype=torch.long), torch.tensor( all_valid_lens)def _mp_worker(self, premises_hypotheses_tokens): p_tokens, h_tokens = premises_hypotheses_tokens self._truncate_pair_of_tokens(p_tokens, h_tokens) tokens, segments = d2l.torch.get_tokens_and_segments(p_tokens, h_tokens) valid_len = len(tokens) tokens_id = self.vocab[tokens] + [self.vocab['']] * (self.max_len - valid_len) segments = segments + [0] * (self.max_len - valid_len) return (tokens_id, segments, valid_len)def _truncate_pair_of_tokens(self, p_tokens, h_tokens): # 为BERT输入中的''、''和''词元保留位置 while (len(p_tokens) + len(h_tokens)) > self.max_len - 3: if len(p_tokens) > len(h_tokens): p_tokens.pop() else: h_tokens.pop()def __getitem__(self, idx): return (self.all_tokens_id[idx], self.all_segments[idx], self.all_valid_lens[idx]), self.labels[idx]def __len__(self): return len(self.all_tokens_id)#在原始的BERT模型中，max_len=512 batch_size, max_len, num_workers = 512, 128, d2l.torch.get_dataloader_workers() data_dir = d2l.torch.download_extract('SNLI') train_set = SNLIBERTDataset(d2l.torch.read_snli(data_dir, is_train=True), max_len, vocab) test_set = SNLIBERTDataset(d2l.torch.read_snli(data_dir, is_train=False), max_len, vocab) train_iter = torch.utils.data.DataLoader(train_set, batch_size, num_workers=num_workers, shuffle=True) test_iter = torch.utils.data.DataLoader(test_set, batch_size, num_workers=num_workers, shuffle=False)class BERTClassifier(nn.Module): def __init__(self, bert): super(BERTClassifier, self).__init__() self.encoder = bert.encoder self.hidden = bert.hidden self.output = nn.Linear(768, 3)def forward(self, inputs): tokens_X, segments_X, valid_lens_X = inputs encoded_X = self.encoder(tokens_X, segments_X, valid_lens_X) return self.output(self.hidden(encoded_X[:, 0, :]))net = BERTClassifier(bert) lr, num_epochs = 1e-4, 20 optim = torch.optim.Adam(params=net.parameters(), lr=lr) loss = nn.CrossEntropyLoss(reduction='none') d2l.torch.train_ch13(net, train_iter, test_iter, loss, optim, num_epochs, devices)

7. 全部代码

import os import torch from torch import nn import d2l.torch import json import multiprocessingd2l.torch.DATA_HUB['bert.base'] = (d2l.torch.DATA_URL + 'bert.base.torch.zip', '225d66f04cae318b841a13d32af3acc165f253ac') d2l.torch.DATA_HUB['bert.small'] = (d2l.torch.DATA_URL + 'bert.small.torch.zip', 'c72329e68a732bef0452e4b96a1c341c8910f81f')def load_pretrained_model(pretrained_model, num_hiddens, ffn_num_hiddens, num_heads, num_layers, dropout, max_len, devices): data_dir = d2l.torch.download_extract(pretrained_model) # 定义空词表以加载预定义词表 vocab = d2l.torch.Vocab() vocab.idx_to_token = json.load(open(os.path.join(data_dir, 'vocab.json'))) vocab.token_to_idx = {token: idx for idx, token in enumerate(vocab.idx_to_token)} bert = d2l.torch.BERTModel(len(vocab), num_hiddens=num_hiddens, norm_shape=[256], ffn_num_input=256, ffn_num_hiddens=ffn_num_hiddens, num_heads=num_heads, num_layers=num_layers, dropout=dropout, max_len=max_len, key_size=256, query_size=256, value_size=256, hid_in_features=256, mlm_in_features=256, nsp_in_features=256) # bert = nn.DataParallel(bert,device_ids=devices).to(devices[0]) # bert.module.load_state_dict(torch.load(os.path.join(data_dir,'pretrained.params')),strict=False) # 加载预训练BERT参数 bert.load_state_dict(torch.load(os.path.join(data_dir, 'pretrained.params'))) return bert, vocabdevices = d2l.torch.try_all_gpus()[2:4] bert, vocab = load_pretrained_model('bert.small', num_hiddens=256, ffn_num_hiddens=512, num_heads=4, num_layers=2, dropout=0.1, max_len=512, devices=devices)class SNLIBERTDataset(torch.utils.data.Dataset): def __init__(self, dataset, max_len, vocab=None): all_premises_hypotheses_tokens = [[p_tokens, h_tokens] for p_tokens, h_tokens in zip(*[d2l.torch.tokenize([s.lower() for s in sentences]) for sentences in dataset[:2]])] self.vocab = vocab self.max_len = max_len self.labels = torch.tensor(dataset[2]) self.all_tokens_id, self.all_segments, self.all_valid_lens = self._preprocess(all_premises_hypotheses_tokens) print(f'read {len(self.all_tokens_id)} examples')def _preprocess(self, all_premises_hypotheses_tokens): pool = multiprocessing.Pool(4)# 使用4个进程 out = pool.map(self._mp_worker, all_premises_hypotheses_tokens) all_tokens_id = [tokens_id for tokens_id, segments, valid_len in out] all_segments = [segments for tokens_id, segments, valid_len in out] all_valid_lens = [valid_len for tokens_id, segments, valid_len in out] return torch.tensor(all_tokens_id, dtype=torch.long), torch.tensor(all_segments, dtype=torch.long), torch.tensor( all_valid_lens)def _mp_worker(self, premises_hypotheses_tokens): p_tokens, h_tokens = premises_hypotheses_tokens self._truncate_pair_of_tokens(p_tokens, h_tokens) tokens, segments = d2l.torch.get_tokens_and_segments(p_tokens, h_tokens) valid_len = len(tokens) tokens_id = self.vocab[tokens] + [self.vocab['']] * (self.max_len - valid_len) segments = segments + [0] * (self.max_len - valid_len) return (tokens_id, segments, valid_len)def _truncate_pair_of_tokens(self, p_tokens, h_tokens): # 为BERT输入中的''、''和''词元保留位置 while (len(p_tokens) + len(h_tokens)) > self.max_len - 3: if len(p_tokens) > len(h_tokens): p_tokens.pop() else: h_tokens.pop()def __getitem__(self, idx): return (self.all_tokens_id[idx], self.all_segments[idx], self.all_valid_lens[idx]), self.labels[idx]def __len__(self): return len(self.all_tokens_id)#在原始的BERT模型中，max_len=512 batch_size, max_len, num_workers = 512, 128, d2l.torch.get_dataloader_workers() data_dir = d2l.torch.download_extract('SNLI') train_set = SNLIBERTDataset(d2l.torch.read_snli(data_dir, is_train=True), max_len, vocab) test_set = SNLIBERTDataset(d2l.torch.read_snli(data_dir, is_train=False), max_len, vocab) train_iter = torch.utils.data.DataLoader(train_set, batch_size, num_workers=num_workers, shuffle=True) test_iter = torch.utils.data.DataLoader(test_set, batch_size, num_workers=num_workers, shuffle=False)class BERTClassifier(nn.Module): def __init__(self, bert): super(BERTClassifier, self).__init__() self.encoder = bert.encoder self.hidden = bert.hidden self.output = nn.Linear(256, 3)def forward(self, inputs): tokens_X, segments_X, valid_lens_X = inputs encoded_X = self.encoder(tokens_X, segments_X, valid_lens_X) return self.output(self.hidden(encoded_X[:, 0, :]))net = BERTClassifier(bert) lr, num_epochs = 1e-4, 5 optim = torch.optim.Adam(params=net.parameters(), lr=lr) loss = nn.CrossEntropyLoss(reduction='none') d2l.torch.train_ch13(net, train_iter, test_iter, loss, optim, num_epochs, devices)

8. 相关链接 BERT预训练第一篇：李沐动手学深度学习V2-bert和代码实现
BERT预训练第二篇：李沐动手学深度学习V2-bert预训练数据集和代码实现
BERT预训练第三篇：李沐动手学深度学习V2-BERT预训练和代码实现
BERT微调第一篇：李沐动手学深度学习V2-自然语言推断与数据集SNLI和代码实现
BERT微调第二篇：李沐动手学深度学习V2-BERT微调和代码实现

推荐阅读

• 

  感冒可以戴隐形眼镜吗？
• 

  拼多多隐藏优惠券在哪里（拼多多隐藏优惠券怎么领）
• 

  如何在手机上使用云服务器的流量？ 手机怎么用云服务器的流量
• 

  使用log4j|使用log4j MDC实现日志追踪
• 

  贵宾犬价格
• 

  盒子刷安卓,机顶盒自动重启刷机需要用到什么东西?
• 

  网球场上的那些规则你真的了解吗？ 网球的规则
• 

  商品保管的意义和原则是什么
• 

  不要教育孩子应该怎么做 不想教育孩子怎么办
• 

  空调开睡眠模式半夜被热醒？ 空调睡眠模式是什么意思
• 

  鸽子粥的功效和作用
• 

  x60|为什么 2021 年的旗舰手机都需要满足这些关键词？
• 

  抖音怎么不让作品在同城显示 抖音作品怎么能不在同城显示
• 

  怎么上传优酷视频？优酷视频上传教程
• 

  怎么延长蜂蜜柠檬水的保质期
• 

  世界无烟日校园宣传标语大全 学校无烟日宣传标语
• 

  网友：2020年度高新区人才引进补贴逾半年未发放！
• 

  昆虫记中萤火虫的习性
• 

  Excel单元格怎么使用斜线一分为二？
• 

  电脑不读U盘怎么办

• 人工智能|深度学习-1.3卷积神经网络
• TensorFlow2|深度学习之卷积神经网络（12）深度残差网络
• 笔记|PaddleDetection-YOLOv3模型结构解析（二）
• 目标检测|目标检测之YOLOv1源码解析
• 深度学习|yolo系列 优缺点以及源码解析
• PyTorch-YOLOV3源码解读（网络结构）
• tensorflow|深度学习 ——回归预测Tips
• 数据集归纳|目标检测、工业缺陷、图像分割----深度学习数据集归纳
• 深度学习|Jupyter Notebook（Anaconda）——两个环境分别修改默认打开目录（深度学习第一周番外篇）