You can not select more than 25 topics Topics must start with a chinese character,a letter or number, can include dashes ('-') and can be up to 35 characters long.

model_runner.py 6.0 kB

Dev0.4.0 (#149) * 1. CRF增加支持bmeso类型的tag 2. vocabulary中增加注释 * BucketSampler增加一条错误检测 * 1.修改ClipGradientCallback的bug;删除LRSchedulerCallback中的print,之后应该传入pbar进行打印;2.增加MLP注释 * update MLP module * 增加metric注释;修改trainer save过程中的bug * Update README.md fix tutorial link * Add ENAS (Efficient Neural Architecture Search) * add ignore_type in DataSet.add_field * * AutoPadder will not pad when dtype is None * add ignore_type in DataSet.apply * 修复fieldarray中padder潜在bug * 修复crf中typo; 以及可能导致数值不稳定的地方 * 修复CRF中可能存在的bug * change two default init arguments of Trainer into None * Changes to Callbacks: * 给callback添加给定几个只读属性 * 通过manager设置这些属性 * 代码优化,减轻@transfer的负担 * * 将enas相关代码放到automl目录下 * 修复fast_param_mapping的一个bug * Trainer添加自动创建save目录 * Vocabulary的打印,显示内容 * * 给vocabulary添加遍历方法 * 修复CRF为负数的bug * add SQuAD metric * add sigmoid activate function in MLP * - add star transformer model - add ConllLoader, for all kinds of conll-format files - add JsonLoader, for json-format files - add SSTLoader, for SST-2 & SST-5 - change Callback interface - fix batch multi-process when killed - add README to list models and their performance * - fix test * - fix callback & tests * - update README * 修改部分bug;调整callback * 准备发布0.4.0版本“ * update readme * support parallel loss * 防止多卡的情况导致无法正确计算loss“ * update advance_tutorial jupyter notebook * 1. 在embedding_loader中增加新的读取函数load_with_vocab(), load_without_vocab, 比之前的函数改变主要在(1)不再需要传入embed_dim(2)自动判断当前是word2vec还是glove. 2. vocabulary增加from_dataset(), index_dataset()函数。避免需要多行写index dataset的问题。 3. 在utils中新增一个cache_result()修饰器,用于cache函数的返回值。 4. callback中新增update_every属性 * 1.DataSet.apply()报错时提供错误的index 2.Vocabulary.from_dataset(), index_dataset()提供报错时的vocab顺序 3.embedloader在embed读取时遇到不规则的数据跳过这一行. * update attention * doc tools * fix some doc errors * 修改为中文注释,增加viterbi解码方法 * 样例版本 * - add pad sequence for lstm - add csv, conll, json filereader - update dataloader - remove useless dataloader - fix trainer loss print - fix tests * - fix test_tutorial * 注释增加 * 测试文档 * 本地暂存 * 本地暂存 * 修改文档的顺序 * - add document * 本地暂存 * update pooling * update bert * update documents in MLP * update documents in snli * combine self attention module to attention.py * update documents on losses.py * 对DataSet的文档进行更新 * update documents on metrics * 1. 删除了LSTM中print的内容; 2. 将Trainer和Tester的use_cuda修改为了device; 3.补充Trainer的文档 * 增加对Trainer的注释 * 完善了trainer,callback等的文档; 修改了部分代码的命名以使得代码从文档中隐藏 * update char level encoder * update documents on embedding.py * - update doc * 补充注释,并修改部分代码 * - update doc - add get_embeddings * 修改了文档配置项 * 修改embedding为init_embed初始化 * 1.增加对Trainer和Tester的多卡支持; * - add test - fix jsonloader * 删除了注释教程 * 给 dataset 增加了get_field_names * 修复bug * - add Const - fix bugs * 修改部分注释 * - add model runner for easier test models - add model tests * 修改了 docs 的配置和架构 * 修改了核心部分的一大部分文档,TODO: 1. 完善 trainer 和 tester 部分的文档 2. 研究注释样例与测试 * core部分的注释基本检查完成 * 修改了 io 部分的注释 * 全部改为相对路径引用 * 全部改为相对路径引用 * small change * 1. 从安装文件中删除api/automl的安装 2. metric中存在seq_len的bug 3. sampler中存在命名错误,已修改 * 修复 bug :兼容 cpu 版本的 PyTorch TODO:其它地方可能也存在类似的 bug * 修改文档中的引用部分 * 把 tqdm.autonotebook 换成tqdm.auto * - fix batch & vocab * 上传了文档文件 *.rst * 上传了文档文件和若干 TODO * 讨论并整合了若干模块 * core部分的测试和一些小修改 * 删除了一些冗余文档 * update init files * update const files * update const files * 增加cnn的测试 * fix a little bug * - update attention - fix tests * 完善测试 * 完成快速入门教程 * 修改了sequence_modeling 命名为 sequence_labeling 的文档 * 重新 apidoc 解决改名的遗留问题 * 修改文档格式 * 统一不同位置的seq_len_to_mask, 现统一到core.utils.seq_len_to_mask * 增加了一行提示 * 在文档中展示 dataset_loader * 提示 Dataset.read_csv 会被 CSVLoader 替换 * 完成 Callback 和 Trainer 之间的文档 * index更新了部分 * 删除冗余的print * 删除用于分词的metric,因为有可能引起错误 * 修改文档中的中文名称 * 完成了详细介绍文档 * tutorial 的 ipynb 文件 * 修改了一些介绍文档 * 修改了 models 和 modules 的主页介绍 * 加上了 titlesonly 这个设置 * 修改了模块文档展示的标题 * 修改了 core 和 io 的开篇介绍 * 修改了 modules 和 models 开篇介绍 * 使用 .. todo:: 隐藏了可能被抽到文档中的 TODO 注释 * 修改了一些注释 * delete an old metric in test * 修改 tutorials 的测试文件 * 把暂不发布的功能移到 legacy 文件夹 * 删除了不能运行的测试 * 修改 callback 的测试文件 * 删除了过时的教程和测试文件 * cache_results 参数的修改 * 修改 io 的测试文件; 删除了一些过时的测试 * 修复bug * 修复无法通过test_utils.py的测试 * 修复与pytorch1.1中的padsequence的兼容问题; 修改Trainer的pbar * 1. 修复metric中的bug; 2.增加metric测试 * add model summary * 增加别名 * 删除encoder中的嵌套层 * 修改了 core 部分 import 的顺序,__all__ 暴露的内容 * 修改了 models 部分 import 的顺序,__all__ 暴露的内容 * 修改了文件名 * 修改了 modules 模块的__all__ 和 import * fix var runn * 增加vocab的clear方法 * 一些符合 PEP8 的微调 * 更新了cache_results的例子 * 1. 对callback中indices潜在None作出提示;2.DataSet支持通过List进行index * 修改了一个typo * 修改了 README.md * update documents on bert * update documents on encoder/bert * 增加一个fitlog callback,实现与fitlog实验记录 * typo * - update dataset_loader * 增加了到 fitlog 文档的链接。 * 增加了 DataSet Loader 的文档 * - add star-transformer reproduction
6 years ago
Dev0.4.0 (#149) * 1. CRF增加支持bmeso类型的tag 2. vocabulary中增加注释 * BucketSampler增加一条错误检测 * 1.修改ClipGradientCallback的bug;删除LRSchedulerCallback中的print,之后应该传入pbar进行打印;2.增加MLP注释 * update MLP module * 增加metric注释;修改trainer save过程中的bug * Update README.md fix tutorial link * Add ENAS (Efficient Neural Architecture Search) * add ignore_type in DataSet.add_field * * AutoPadder will not pad when dtype is None * add ignore_type in DataSet.apply * 修复fieldarray中padder潜在bug * 修复crf中typo; 以及可能导致数值不稳定的地方 * 修复CRF中可能存在的bug * change two default init arguments of Trainer into None * Changes to Callbacks: * 给callback添加给定几个只读属性 * 通过manager设置这些属性 * 代码优化,减轻@transfer的负担 * * 将enas相关代码放到automl目录下 * 修复fast_param_mapping的一个bug * Trainer添加自动创建save目录 * Vocabulary的打印,显示内容 * * 给vocabulary添加遍历方法 * 修复CRF为负数的bug * add SQuAD metric * add sigmoid activate function in MLP * - add star transformer model - add ConllLoader, for all kinds of conll-format files - add JsonLoader, for json-format files - add SSTLoader, for SST-2 & SST-5 - change Callback interface - fix batch multi-process when killed - add README to list models and their performance * - fix test * - fix callback & tests * - update README * 修改部分bug;调整callback * 准备发布0.4.0版本“ * update readme * support parallel loss * 防止多卡的情况导致无法正确计算loss“ * update advance_tutorial jupyter notebook * 1. 在embedding_loader中增加新的读取函数load_with_vocab(), load_without_vocab, 比之前的函数改变主要在(1)不再需要传入embed_dim(2)自动判断当前是word2vec还是glove. 2. vocabulary增加from_dataset(), index_dataset()函数。避免需要多行写index dataset的问题。 3. 在utils中新增一个cache_result()修饰器,用于cache函数的返回值。 4. callback中新增update_every属性 * 1.DataSet.apply()报错时提供错误的index 2.Vocabulary.from_dataset(), index_dataset()提供报错时的vocab顺序 3.embedloader在embed读取时遇到不规则的数据跳过这一行. * update attention * doc tools * fix some doc errors * 修改为中文注释,增加viterbi解码方法 * 样例版本 * - add pad sequence for lstm - add csv, conll, json filereader - update dataloader - remove useless dataloader - fix trainer loss print - fix tests * - fix test_tutorial * 注释增加 * 测试文档 * 本地暂存 * 本地暂存 * 修改文档的顺序 * - add document * 本地暂存 * update pooling * update bert * update documents in MLP * update documents in snli * combine self attention module to attention.py * update documents on losses.py * 对DataSet的文档进行更新 * update documents on metrics * 1. 删除了LSTM中print的内容; 2. 将Trainer和Tester的use_cuda修改为了device; 3.补充Trainer的文档 * 增加对Trainer的注释 * 完善了trainer,callback等的文档; 修改了部分代码的命名以使得代码从文档中隐藏 * update char level encoder * update documents on embedding.py * - update doc * 补充注释,并修改部分代码 * - update doc - add get_embeddings * 修改了文档配置项 * 修改embedding为init_embed初始化 * 1.增加对Trainer和Tester的多卡支持; * - add test - fix jsonloader * 删除了注释教程 * 给 dataset 增加了get_field_names * 修复bug * - add Const - fix bugs * 修改部分注释 * - add model runner for easier test models - add model tests * 修改了 docs 的配置和架构 * 修改了核心部分的一大部分文档,TODO: 1. 完善 trainer 和 tester 部分的文档 2. 研究注释样例与测试 * core部分的注释基本检查完成 * 修改了 io 部分的注释 * 全部改为相对路径引用 * 全部改为相对路径引用 * small change * 1. 从安装文件中删除api/automl的安装 2. metric中存在seq_len的bug 3. sampler中存在命名错误,已修改 * 修复 bug :兼容 cpu 版本的 PyTorch TODO:其它地方可能也存在类似的 bug * 修改文档中的引用部分 * 把 tqdm.autonotebook 换成tqdm.auto * - fix batch & vocab * 上传了文档文件 *.rst * 上传了文档文件和若干 TODO * 讨论并整合了若干模块 * core部分的测试和一些小修改 * 删除了一些冗余文档 * update init files * update const files * update const files * 增加cnn的测试 * fix a little bug * - update attention - fix tests * 完善测试 * 完成快速入门教程 * 修改了sequence_modeling 命名为 sequence_labeling 的文档 * 重新 apidoc 解决改名的遗留问题 * 修改文档格式 * 统一不同位置的seq_len_to_mask, 现统一到core.utils.seq_len_to_mask * 增加了一行提示 * 在文档中展示 dataset_loader * 提示 Dataset.read_csv 会被 CSVLoader 替换 * 完成 Callback 和 Trainer 之间的文档 * index更新了部分 * 删除冗余的print * 删除用于分词的metric,因为有可能引起错误 * 修改文档中的中文名称 * 完成了详细介绍文档 * tutorial 的 ipynb 文件 * 修改了一些介绍文档 * 修改了 models 和 modules 的主页介绍 * 加上了 titlesonly 这个设置 * 修改了模块文档展示的标题 * 修改了 core 和 io 的开篇介绍 * 修改了 modules 和 models 开篇介绍 * 使用 .. todo:: 隐藏了可能被抽到文档中的 TODO 注释 * 修改了一些注释 * delete an old metric in test * 修改 tutorials 的测试文件 * 把暂不发布的功能移到 legacy 文件夹 * 删除了不能运行的测试 * 修改 callback 的测试文件 * 删除了过时的教程和测试文件 * cache_results 参数的修改 * 修改 io 的测试文件; 删除了一些过时的测试 * 修复bug * 修复无法通过test_utils.py的测试 * 修复与pytorch1.1中的padsequence的兼容问题; 修改Trainer的pbar * 1. 修复metric中的bug; 2.增加metric测试 * add model summary * 增加别名 * 删除encoder中的嵌套层 * 修改了 core 部分 import 的顺序,__all__ 暴露的内容 * 修改了 models 部分 import 的顺序,__all__ 暴露的内容 * 修改了文件名 * 修改了 modules 模块的__all__ 和 import * fix var runn * 增加vocab的clear方法 * 一些符合 PEP8 的微调 * 更新了cache_results的例子 * 1. 对callback中indices潜在None作出提示;2.DataSet支持通过List进行index * 修改了一个typo * 修改了 README.md * update documents on bert * update documents on encoder/bert * 增加一个fitlog callback,实现与fitlog实验记录 * typo * - update dataset_loader * 增加了到 fitlog 文档的链接。 * 增加了 DataSet Loader 的文档 * - add star-transformer reproduction
6 years ago
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153
  1. """
  2. 此模块可以非常方便的测试模型。
  3. 若你的模型属于:文本分类,序列标注,自然语言推理(NLI),可以直接使用此模块测试
  4. 若模型不属于上述类别,也可以自己准备假数据,设定loss和metric进行测试
  5. 此模块的测试仅保证模型能使用fastNLP进行训练和测试,不测试模型实际性能
  6. Example::
  7. # import 全大写变量...
  8. from model_runner import *
  9. # 测试一个文本分类模型
  10. init_emb = (VOCAB_SIZE, 50)
  11. model = SomeModel(init_emb, num_cls=NUM_CLS)
  12. RUNNER.run_model_with_task(TEXT_CLS, model)
  13. # 序列标注模型
  14. RUNNER.run_model_with_task(POS_TAGGING, model)
  15. # NLI模型
  16. RUNNER.run_model_with_task(NLI, model)
  17. # 自定义模型
  18. RUNNER.run_model(model, data=get_mydata(),
  19. loss=Myloss(), metrics=Mymetric())
  20. """
  21. from fastNLP import Trainer, Tester, DataSet, Callback
  22. from fastNLP import AccuracyMetric
  23. from fastNLP import CrossEntropyLoss
  24. from fastNLP.core.const import Const as C
  25. from random import randrange
  26. VOCAB_SIZE = 100
  27. NUM_CLS = 100
  28. MAX_LEN = 10
  29. N_SAMPLES = 100
  30. N_EPOCHS = 1
  31. BATCH_SIZE = 5
  32. TEXT_CLS = 'text_cls'
  33. POS_TAGGING = 'pos_tagging'
  34. NLI = 'nli'
  35. class ModelRunner():
  36. class Checker(Callback):
  37. def on_backward_begin(self, loss):
  38. assert loss.to('cpu').numpy().isfinate()
  39. def gen_seq(self, length, vocab_size):
  40. """generate fake sequence indexes with given length"""
  41. # reserve 0 for padding
  42. return [randrange(1, vocab_size) for _ in range(length)]
  43. def gen_var_seq(self, max_len, vocab_size):
  44. """generate fake sequence indexes in variant length"""
  45. length = randrange(3, max_len) # at least 3 words in a seq
  46. return self.gen_seq(length, vocab_size)
  47. def prepare_text_classification_data(self):
  48. index = 'index'
  49. ds = DataSet({index: list(range(N_SAMPLES))})
  50. ds.apply_field(lambda x: self.gen_var_seq(MAX_LEN, VOCAB_SIZE),
  51. field_name=index, new_field_name=C.INPUT,
  52. is_input=True)
  53. ds.apply_field(lambda x: randrange(NUM_CLS),
  54. field_name=index, new_field_name=C.TARGET,
  55. is_target=True)
  56. ds.apply_field(len, C.INPUT, C.INPUT_LEN,
  57. is_input=True)
  58. return ds
  59. def prepare_pos_tagging_data(self):
  60. index = 'index'
  61. ds = DataSet({index: list(range(N_SAMPLES))})
  62. ds.apply_field(lambda x: self.gen_var_seq(MAX_LEN, VOCAB_SIZE),
  63. field_name=index, new_field_name=C.INPUT,
  64. is_input=True)
  65. ds.apply_field(lambda x: self.gen_seq(len(x), NUM_CLS),
  66. field_name=C.INPUT, new_field_name=C.TARGET,
  67. is_target=True)
  68. ds.apply_field(len, C.INPUT, C.INPUT_LEN,
  69. is_input=True, is_target=True)
  70. return ds
  71. def prepare_nli_data(self):
  72. index = 'index'
  73. ds = DataSet({index: list(range(N_SAMPLES))})
  74. ds.apply_field(lambda x: self.gen_var_seq(MAX_LEN, VOCAB_SIZE),
  75. field_name=index, new_field_name=C.INPUTS(0),
  76. is_input=True)
  77. ds.apply_field(lambda x: self.gen_var_seq(MAX_LEN, VOCAB_SIZE),
  78. field_name=index, new_field_name=C.INPUTS(1),
  79. is_input=True)
  80. ds.apply_field(lambda x: randrange(NUM_CLS),
  81. field_name=index, new_field_name=C.TARGET,
  82. is_target=True)
  83. ds.apply_field(len, C.INPUTS(0), C.INPUT_LENS(0),
  84. is_input=True, is_target=True)
  85. ds.apply_field(len, C.INPUTS(1), C.INPUT_LENS(1),
  86. is_input = True, is_target = True)
  87. ds.set_input(C.INPUTS(0), C.INPUTS(1))
  88. ds.set_target(C.TARGET)
  89. return ds
  90. def run_text_classification(self, model, data=None):
  91. if data is None:
  92. data = self.prepare_text_classification_data()
  93. loss = CrossEntropyLoss(pred=C.OUTPUT, target=C.TARGET)
  94. metric = AccuracyMetric(pred=C.OUTPUT, target=C.TARGET)
  95. self.run_model(model, data, loss, metric)
  96. def run_pos_tagging(self, model, data=None):
  97. if data is None:
  98. data = self.prepare_pos_tagging_data()
  99. loss = CrossEntropyLoss(pred=C.OUTPUT, target=C.TARGET, padding_idx=0)
  100. metric = AccuracyMetric(pred=C.OUTPUT, target=C.TARGET, seq_len=C.INPUT_LEN)
  101. self.run_model(model, data, loss, metric)
  102. def run_nli(self, model, data=None):
  103. if data is None:
  104. data = self.prepare_nli_data()
  105. loss = CrossEntropyLoss(pred=C.OUTPUT, target=C.TARGET)
  106. metric = AccuracyMetric(pred=C.OUTPUT, target=C.TARGET)
  107. self.run_model(model, data, loss, metric)
  108. def run_model(self, model, data, loss, metrics):
  109. """run a model, test if it can run with fastNLP"""
  110. print('testing model:', model.__class__.__name__)
  111. tester = Tester(data=data, model=model, metrics=metrics,
  112. batch_size=BATCH_SIZE, verbose=0)
  113. before_train = tester.test()
  114. trainer = Trainer(train_data=data, model=model, loss=loss, batch_size=BATCH_SIZE, n_epochs=N_EPOCHS,
  115. dev_data=None, save_path=None, use_tqdm=False)
  116. trainer.train(load_best_model=False)
  117. after_train = tester.test()
  118. for metric_name, v1 in before_train.items():
  119. assert metric_name in after_train
  120. # # at least we can sure model params changed, even if we don't know performance
  121. # v2 = after_train[metric_name]
  122. # assert v1 != v2
  123. def run_model_with_task(self, task, model):
  124. """run a model with certain task"""
  125. TASKS = {
  126. TEXT_CLS: self.run_text_classification,
  127. POS_TAGGING: self.run_pos_tagging,
  128. NLI: self.run_nli,
  129. }
  130. assert task in TASKS
  131. TASKS[task](model)
  132. RUNNER = ModelRunner()