Skip to content

  • 体验新版
    • 正在加载...
  • 登录
  • PaddlePaddle
  • models
  • Issue
  • #3455

M
models
  • 项目概览

PaddlePaddle / models
大约 2 年 前同步成功

通知 232
Star 6828
Fork 2962
  • 代码
    • 文件
    • 提交
    • 分支
    • Tags
    • 贡献者
    • 分支图
    • Diff
  • Issue 602
    • 列表
    • 看板
    • 标记
    • 里程碑
  • 合并请求 255
  • Wiki 0
    • Wiki
  • 分析
    • 仓库
    • DevOps
  • 项目成员
  • Pages
M
models
  • 项目概览
    • 项目概览
    • 详情
    • 发布
  • 仓库
    • 仓库
    • 文件
    • 提交
    • 分支
    • 标签
    • 贡献者
    • 分支图
    • 比较
  • Issue 602
    • Issue 602
    • 列表
    • 看板
    • 标记
    • 里程碑
  • 合并请求 255
    • 合并请求 255
  • Pages
  • 分析
    • 分析
    • 仓库分析
    • DevOps
  • Wiki 0
    • Wiki
  • 成员
    • 成员
  • 收起侧边栏
  • 动态
  • 分支图
  • 创建新Issue
  • 提交
  • Issue看板
已关闭
开放中
Opened 9月 29, 2019 by saxon_zh@saxon_zhGuest

异步读取问题

Created by: chuj625

你好,我需要封一个ernie的分词接口,提供给别人使用 在用PaddleNLP/lexical_analysis/run_ernie_sequence_labeling.py时,发现采用的是一个异步读文件的方式进行预测 首先,对为什么采用异步读文件的方式感到奇怪,也不太理解 其次,对如何改为接口传参的方式,反复调用,感到无从下手

求指导

附,部分代码理解如下,如不正确,请指正,非常感谢

    #这部分,我已经重新封了一个类,完成了[string] -> reader.data_generator
    #reader = task_reader.SequenceLabelReader(
    reader=ListReader(
            vocab_path=args.vocab_path,
        label_map_config=args.label_map_config,
        max_seq_len=args.max_seq_len,
        do_lower_case=args.do_lower_case,
        in_tokens=False,
        random_seed=args.random_seed)
   
    lines = read_file(args.infer_set) # 读文件返回["a b c"]
 。。。
    with 。。。
         with 。。。
              # 这里提供lines
              infer_pyreader.decorate_tensor_provider(
                reader.data_generator(
                    lines, args.batch_size, phase='infer', epoch=1, shuffle=False
                )
            )

     ...
     infer_pyreader.start()

    while True:
        try:
            # 问题是,这里没办法在lines里数据变化时,反复地给出预测结果
            (words, crf_decode) = exe.run(infer_program,
                                          fetch_list=[infer_ret["words"], infer_ret["crf_decode"]],
                                          return_numpy=False)
            # User should notice that words had been clipped if long than args.max_seq_len
            results = utils.parse_result(words, crf_decode, dataset)
            for result in results:
                print(type(result), result)
        except fluid.core.EOFException:
            infer_pyreader.reset()
            break

ListReader代码如下

class ListReader(task_reader.SequenceLabelReader):
    def _read_tsv(self, list_input, quotechar=None):
        res = list_input
        Example = namedtuple('LR', "text_a")
        exam = []
        for l in res:
            l = l.strip()
            #l = l.decode("utf-8")
            example = Example(l)
            exam.append(example)
        return exam

    def _reseg_token_label(self, tokens, tokenizer):
        ret_tokens = []
        ret_labels = []
        for token in tokens:
            sub_token = tokenizer.tokenize(token)
            if len(sub_token) == 0:
                continue
            ret_tokens.extend(sub_token)
        ret_labels = ['t']*len(ret_tokens)
        assert len(ret_tokens) == len(ret_labels)
        return ret_tokens, ret_labels

    def _convert_example_to_record(self, example, max_seq_length, tokenizer):
      
        tokens = tokenization.convert_to_unicode(example.text_a).split(u"")
        tokens, labels = self._reseg_token_label(tokens, tokenizer)

        if len(tokens) > max_seq_length - 2:
            tokens = tokens[0:(max_seq_length - 2)]
            labels = labels[0:(max_seq_length - 2)]

        tokens = ["[CLS]"] + tokens + ["[SEP]"]
        # tokens to ids
        token_ids = tokenizer.convert_tokens_to_ids(tokens)
        position_ids = list(range(len(token_ids)))
        text_type_ids = [0] * len(token_ids)
        no_entity_id = len(self.label_map) - 1
        labels = [label if label in self.label_map else u"O" for label in labels]
        label_ids = [no_entity_id] + [
            self.label_map[label] for label in labels
        ] + [no_entity_id]

        Record = namedtuple(
            'Record',
            ['token_ids', 'text_type_ids', 'position_ids', 'label_ids'])
        record = Record(
            token_ids=token_ids,
            text_type_ids=text_type_ids,
            position_ids=position_ids,
            label_ids=label_ids)
        return record
指派人
分配到
无
里程碑
无
分配里程碑
工时统计
无
截止日期
无
标识: paddlepaddle/models#3455
渝ICP备2023009037号

京公网安备11010502055752号

网络110报警服务 Powered by GitLab CE v13.7
开源知识
Git 入门 Pro Git 电子书 在线学 Git
Markdown 基础入门 IT 技术知识开源图谱
帮助
使用手册 反馈建议 博客
《GitCode 隐私声明》 《GitCode 服务条款》 关于GitCode
Powered by GitLab CE v13.7