使用 Huggingface Transformers 从磁盘加载预训练模型

Question

从from_pretrained的文档中，我知道我不必每次都下载预训练的向量，我可以使用以下语法保存它们并从磁盘加载：

  - a path to a `directory` containing vocabulary files required by the tokenizer, for instance saved using the :func:`~transformers.PreTrainedTokenizer.save_pretrained` method, e.g.: ``./my_model_directory/``.
  - (not applicable to all derived classes, deprecated) a path or url to a single saved vocabulary file if and only if the tokenizer only requires a single vocabulary file (e.g. Bert, XLNet), e.g.: ``./my_model_directory/vocab.txt``.

所以，我去了模型中心：

• https://huggingface.co/models

我找到了我想要的模型：

• https://huggingface.co/bert-base-cased

我从他们提供给这个存储库的链接下载了它：

使用掩码语言建模 (MLM) 目标的英语语言预训练模型。它是在本文中介绍的，并首次在此存储库中发布。此模型区分大小写：它区分英语和英语。

存储在：

  /my/local/models/cased_L-12_H-768_A-12/

其中包含：

 ./
 ../
 bert_config.json
 bert_model.ckpt.data-00000-of-00001
 bert_model.ckpt.index
 bert_model.ckpt.meta
 vocab.txt

所以，现在我有以下几点：

  PATH = '/my/local/models/cased_L-12_H-768_A-12/'
  tokenizer = BertTokenizer.from_pretrained(PATH, local_files_only=True)

我得到这个错误：

>           raise EnvironmentError(msg)
E           OSError: Can't load config for '/my/local/models/cased_L-12_H-768_A-12/'. Make sure that:
E           
E           - '/my/local/models/cased_L-12_H-768_A-12/' is a correct model identifier listed on 'https://huggingface.co/models'
E           
E           - or '/my/local/models/cased_L-12_H-768_A-12/' is the correct path to a directory containing a config.json file

同样，当我直接链接到 config.json 时：

  PATH = '/my/local/models/cased_L-12_H-768_A-12/bert_config.json'
  tokenizer = BertTokenizer.from_pretrained(PATH, local_files_only=True)

        if state_dict is None and not from_tf:
            try:
                state_dict = torch.load(resolved_archive_file, map_location="cpu")
            except Exception:
                raise OSError(
>                   "Unable to load weights from pytorch checkpoint file. "
                    "If you tried to load a PyTorch model from a TF 2.0 checkpoint, please set from_tf=True. "
                )
E               OSError: Unable to load weights from pytorch checkpoint file. If you tried to load a PyTorch model from a TF 2.0 checkpoint, please set from_tf=True.

我应该怎么做才能让 Huggingface 使用我的本地预训练模型？

更新以解决评论

YOURPATH = '/somewhere/on/disk/'

name = 'transfo-xl-wt103'
tokenizer = TransfoXLTokenizerFast(name)
model = TransfoXLModel.from_pretrained(name)
tokenizer.save_pretrained(YOURPATH)
model.save_pretrained(YOURPATH)

>>> Please note you will not be able to load the save vocabulary in Rust-based TransfoXLTokenizerFast as they don't share the same structure.
('/somewhere/on/disk/vocab.bin', '/somewhere/on/disk/special_tokens_map.json', '/somewhere/on/disk/added_tokens.json')

所以一切都得救了，但是……

YOURPATH = '/somewhere/on/disk/'
TransfoXLTokenizerFast.from_pretrained('transfo-xl-wt103', cache_dir=YOURPATH, local_files_only=True)

    "Cannot find the requested files in the cached path and outgoing traffic has been"
ValueError: Cannot find the requested files in the cached path and outgoing traffic has been disabled. To enable model look-ups and downloads online, set 'local_files_only' to False.

Answer 1

该文件相对于您的模型文件夹位于哪里？我相信它必须是相对路径而不是绝对路径。因此，如果您编写代码的文件位于'my/local/'，那么您的代码应该如下所示：

PATH = 'models/cased_L-12_H-768_A-12/'
tokenizer = BertTokenizer.from_pretrained(PATH, local_files_only=True)

您只需指定所有文件所在的文件夹，而不是直接指定文件。我认为这绝对是一个问题PATH。尝试改变“斜杠”的样式：“/”与“\”，这些在不同的操作系统中是不同的。也尝试使用“.”，像这样./models/cased_L-12_H-768_A-12/等等。

Answer 2

我也有同样的需求，刚刚在我的 Linux 机器上使用 Tensorflow 进行了工作，所以我想分享一下。

我的requirements.txt代码环境文件：

tensorflow==2.2.0
Keras==2.4.3
scikit-learn==0.23.1
scipy==1.4.1
numpy==1.18.1
opencv-python==4.5.1.48
seaborn==0.11.1
tensorflow-hub==0.12.0
nltk==3.6.2
tqdm==4.60.0
transformers==4.6.0
ipywidgets==7.6.3

我正在使用Python 3.6。

我访问了这个网站，它显示了我想要的特定 Huggingface 模型的目录树。我碰巧想要无壳模型，但这些步骤对于您的有壳版本应该类似。另请注意，我的链接是该模型的一个非常具体的提交，只是为了可重复性 - 当有人阅读本文时，很可能会有更新的版本。

我手动下载（或者必须复制/粘贴到记事本++中，因为下载按钮在某些情况下将我带到txt / json的原始版本......奇怪......）以下文件：

• config.json
• tf_model.h5
• tokenizer_config.json
• tokenizer.json
• vocab.txt

注意：再一次，我使用的是 Tensorflow，所以我没有下载 Pytorch 权重。如果您使用 Pytorch，您可能想要下载这些权重而不是文件tf_model.h5。

然后我将这些文件放在我的 Linux 机器上的这个目录中：

/opt/word_embeddings/bert-base-uncased/

确保至少对所有这些文件具有快速读取权限可能是个好主意ls -la（我对每个文件的权限是-rw-r--r--）。我还对父目录（上面列出的目录）具有执行权限，因此人们可以cd访问该目录。

从那里，我可以像这样加载模型：

分词器：

tensorflow==2.2.0
Keras==2.4.3
scikit-learn==0.23.1
scipy==1.4.1
numpy==1.18.1
opencv-python==4.5.1.48
seaborn==0.11.1
tensorflow-hub==0.12.0
nltk==3.6.2
tqdm==4.60.0
transformers==4.6.0
ipywidgets==7.6.3

层/模型权重：

/opt/word_embeddings/bert-base-uncased/

Answer 3

在 Windows 10 上使用相对路径这应该很容易。假设您预先训练的（基于 pytorch 的）变压器模型位于当前工作目录的“model”文件夹中，以下代码可以加载您的模型。

from transformers import AutoModel model = AutoModel.from_pretrained('.\model',local_files_only=True)

请注意“.\model”中的“点”。缺少它将使代码不成功。