如何修复 Huggingface Transformers 中的“Trainer：评估需要 eval_dataset”？

Question

I\xe2\x80\x99m 尝试在没有评估数据集的情况下进行微调。\n为此，I\xe2\x80\x99m 使用以下代码：

\n

training_args = TrainingArguments(\n    output_dir=resume_from_checkpoint,\n    evaluation_strategy="epoch",\n    per_device_train_batch_size=1,\n)\ndef compute_metrics(pred: EvalPrediction):\n    labels = pred.label_ids\n    preds = pred.predictions.argmax(-1)\n    f1 = f1_score(labels, preds, average="weighted")\n    acc = accuracy_score(labels, preds, average="weighted")\n    return {"accuracy": acc, "f1": f1}\ntrainer = Trainer(\n    model=self.nli_model,\n    args=training_args,\n    train_dataset=tokenized_datasets,\n    compute_metrics=compute_metrics,\n)\n

\n

但是，我得到

\n

ValueError: Trainer: evaluation requires an eval_dataset\n

\n

我认为默认情况下，Trainer 至少在文档中不进行评估\xe2\x80\xa6，我得到了这个想法\xe2\x80\xa6

\n

Answer 1

我设置了，evaluation_strategy="no"然后设置后我就可以调用 ，而无需传递任何评估数据集。注意，我在版本上测试了这个do_eval=FalseTrainingArgumentstrainer.train()transformers4.31.0