训练后如何测试掩码语言模型？

Question

我已经按照 Hugging Face 使用 BERT 进行屏蔽语言建模的教程进行操作，但我不确定如何实际部署该模型。

教程：https://github.com/huggingface/notebooks/blob/master/examples/language_modeling.ipynb

我已经使用自己的数据集训练了模型，效果很好，但我不知道如何实际使用该模型，因为遗憾的是，笔记本中没有包含如何执行此操作的示例。

我想用我的训练模型做什么的示例

在 Hugging Face 网站上，这是示例中使用的代码；因此，我想用我的模型做这件事：

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='bert-base-uncased')
>>> unmasker("Hello I'm a [MASK] model.")

[{'sequence': "[CLS] hello i'm a fashion model. [SEP]",
  'score': 0.1073106899857521,
  'token': 4827,
  'token_str': 'fashion'},
 {'sequence': "[CLS] hello i'm a role model. [SEP]",
  'score': 0.08774490654468536,
  'token': 2535,
  'token_str': 'role'},
 {'sequence': "[CLS] hello i'm a new model. [SEP]",
  'score': 0.05338378623127937,
  'token': 2047,
  'token_str': 'new'},
 {'sequence': "[CLS] hello i'm a super model. [SEP]",
  'score': 0.04667217284440994,
  'token': 3565,
  'token_str': 'super'},
 {'sequence': "[CLS] hello i'm a fine model. [SEP]",
  'score': 0.027095865458250046,
  'token': 2986,
  'token_str': 'fine'}

任何关于如何做到这一点的帮助都会很棒。

Answer 1

这在很大程度上取决于您的任务。您的任务似乎是屏蔽语言建模，即预测一个或多个屏蔽单词：

今天我吃了___。

(pizza) 或 (pasta) 可能同样正确，因此您不能使用 Accuray 等度量标准。但（水）应该不如其他两者“正确”。因此，您通常要做的就是在评估数据集上检查语言模型的“惊讶程度”。该指标称为困惑度。因此，在对特定数据集微调模型之前和之后，您将计算困惑度，并且您期望微调后它会更低。该模型应该更适合您的特定词汇等。这就是您测试模型的方式。

正如您所看到的，他们计算了您提到的教程中的困惑度：

import math
eval_results = trainer.evaluate()
print(f"Perplexity: {math.exp(eval_results['eval_loss']):.2f}") 

要预测样本，您需要对这些样本进行标记并准备模型的输入。Fill-mask-Pipeline 可以为您执行此操作：

# if you trained your model on gpu you need to add this line:
trainer.model.to('cpu')

unmasker = pipeline('fill-mask', model=trainer.model, tokenizer=tokenizer)
unmasker("today I ate <mask>")

这会产生以下输出：

[{'score': 0.23618391156196594,
  'sequence': 'today I ate it.',
  'token': 24,
  'token_str': ' it'},
 {'score': 0.03940323367714882,
  'sequence': 'today I ate breakfast.',
  'token': 7080,
  'token_str': ' breakfast'},
 {'score': 0.033759087324142456,
  'sequence': 'today I ate lunch.',
  'token': 4592,
  'token_str': ' lunch'},
 {'score': 0.025962186977267265,
  'sequence': 'today I ate pizza.',
  'token': 9366,
  'token_str': ' pizza'},
 {'score': 0.01913984678685665,
  'sequence': 'today I ate them.',
  'token': 106,
  'token_str': ' them'}]