# ERNIE Classification 本示例将展示如何使用PaddleHub Finetune API利用ERNIE完成分类任务。 其中分类任务可以分为两大类 * 单句分类 - 中文情感分析任务 ChnSentiCorp * 句对分类 - 语义相似度 LCQMC - 检索式问答任务 NLPCC-DBQA ## 如何开始Finetune 在完成安装PaddlePaddle与PaddleHub后,通过执行脚本`sh run_sentiment_cls.sh`即可开始使用ERNIE对ChnSentiCorp数据集进行Finetune。 其中脚本参数说明如下: ```bash --batch_size: 批处理大小,请结合显存情况进行调整,若出现显存不足错误,请调低这一参数值 --weight_decay: --checkpoint_dir: 模型保存路径,PaddleHub会自动保存验证集上表现最好的模型 --num_epoch: Finetune迭代的轮数 --max_seq_len: ERNIE模型使用的最大序列长度,最大不能超过512, 若出现显存不足错误,请调低这一参数 ``` ## 代码步骤 使用PaddleHub Finetune API进行Finetune可以分为一下4个步骤 ### Step1: 加载预训练模型 ```python module = hub.Module(name="ernie") inputs, outputs, program = module.context(trainable=True, max_seq_len=128) ``` 其中最大序列长度`max_seq_len`是可以调整的参数,建议值128,根据任务文本长度不同可以调整该值,但最大不超过512。 如果想尝试BERT模型,例如BERT中文模型,只需要更换Module中的参数即可. PaddleHub除了ERNIE,还提供以下BERT模型: BERT模型名 | PaddleHub Module ---------------------------------- | :------: BERT-Base, Uncased | `hub.Module(name='bert_uncased_L-12_H-768_A-12')` BERT-Large, Uncased | `hub.Module(name='bert_uncased_L-24_H-1024_A-16')` BERT-Base, Cased | `hub.Module(name='bert_cased_L-12_H-768_A-12')` BERT-Large, Cased | `hub.Module(name='bert_cased_L-24_H-1024_A-16')` BERT-Base, Multilingual Cased | `hub.Module(nane='bert_multi_cased_L-12_H-768_A-12')` BERT-Base, Chinese | `hub.Module(name='bert_chinese_L-12_H-768_A-12')` ```python # 更换name参数即可无缝切换BERT中文模型 module = hub.Module(name="bert_chinese_L-12_H-768_A-12") ``` ### Step2: 准备数据集并使用ClassifyReader读取数据 ```python reader = hub.reader.ClassifyReader( dataset=hub.dataset.ChnSentiCorp(), vocab_path=module.get_vocab_path(), max_seq_len=128) ``` `hub.dataset.ChnSentiCorp()` 会自动从网络下载数据集并解压到用户目录下.paddlehub/dataset目录 `module.get_vaocab_path()` 会返回ERNIE/BERT模型对应的词表 `max_seq_len`需要与Step1中context接口传入的序列长度保持一致 ClassifyReader中的`data_generator`会自动按照模型对应词表对数据进行切词,以迭代器的方式返回ERNIE/BERT所需要的Tensor格式,包括`input_ids`,`position_ids`,`segment_id`与序列对应的mask `input_mask`. ### Step3: 构建网络并创建分类迁移任务 ```python with fluid.program_guard(program): # NOTE: 必须使用fluid.program_guard接口传入Module返回的预训练模型program label = fluid.layers.data(name="label", shape=[1], dtype='int64') pooled_output = outputs["pooled_output"] feed_list = [ inputs["input_ids"].name, inputs["position_ids"].name, inputs["segment_ids"].name, inputs["input_mask"].name, label.name ] cls_task = hub.create_text_classification_task( feature=pooled_output, label=label, num_classes=reader.get_num_labels()) ``` **NOTE:** 基于预训练模型的迁移学习网络搭建,必须在`with fluid.program_gurad()`作用域内组件网络 1. `outputs["pooled_output"]`返回了ERNIE/BERT模型对应的[CLS]向量,可以用于句子或句对的特征表达。 2. `feed_list`中的inputs参数指名了ERNIE/BERT中的输入tensor,以及labels顺序,与ClassifyReader返回的结果一致。 3. `create_text_classification_task`通过输入特征,label与迁移的类别数,可以生成适用于文本分类的迁移任务`cls_task` ### Step4:选择优化策略并开始Finetune ```python strategy = hub.AdamWeightDecayStrategy( weight_decay=0.01, learning_rate=5e-5, warmup_strategy="linear_warmup_decay", ) config = hub.RunConfig(use_cuda=True, num_epoch=3, batch_size=32, strategy=strategy) hub.finetune_and_eval(task=cls_task, data_reader=reader, feed_list=feed_list, config=config) ``` 针对ERNIE与BERT类任务,PaddleHub封装了适合这一任务的迁移学习优化策略。用户可以通过配置学习率,权重