小编D.P*_*era的帖子

我在尝试启动 Spring Boot 应用程序时遇到此错误，但我似乎无法弄清楚原因。任何帮助都受到高度赞赏。

org.springframework.beans.factory.BeanCreationException：在类路径资源[org/springframework/security/config/annotation/web/configuration/WebSecurityConfiguration.class]中定义名为“springSecurityFilterChain”的bean创建错误：通过工厂方法的Bean实例化失败；嵌套异常是 org.springframework.beans.BeanInstantiationException：无法实例化 [javax.servlet.Filter]：工厂方法“springSecurityFilterChain”抛出异常；嵌套异常是 java.lang.IllegalStateException: Can't configure anyRequest after its own

在 super.configure(http) 方法中失败。这是我的“SpringSecurityConfig.java”类

@Configuration
@EnableWebSecurity(debug = true)
public class SpringSecurityConfig extends WebSecurityConfigurerAdapter {
    @Autowired
    private CustomUserDetailService customUserDetailsService;

    @Bean
    public JWTAuthenticationFilter jwtAuthenticationFilter() {
        return new JWTAuthenticationFilter();
    }

    @Override
    protected void configure(HttpSecurity http) throws Exception {
        http
                .cors()
                .and()
                .csrf()
                .disable()
                .authorizeRequests()
                .antMatchers("/auth/**").permitAll()
                .anyRequest()
                .authenticated()
                .and()
                .sessionManagement()
                .sessionCreationPolicy(SessionCreationPolicy.STATELESS);

            http.addFilterBefore(jwtAuthenticationFilter(), UsernamePasswordAuthenticationFilter.class);

        super.configure(http);
    }




    @Bean
    public BCryptPasswordEncoder bCryptPasswordEncoder() {

        return new BCryptPasswordEncoder();
    }

    @Bean
    @Override
    public AuthenticationManager authenticationManagerBean() throws Exception …

我正在使用 Huggingface Transformers 库-pytorch 微调用于语言生成任务的 GPT-2 模型，并且我需要计算微调模型的评估分数（困惑度）。但我不确定如何使用损失来做到这一点。我想知道如何使用 sum_loss 或平均损失来计算模型的困惑度，也欢迎任何其他建议。任何帮助都是appriced。

编辑：

outputs = model(article_tens, labels=article_tens)

        loss, prediction_scores = outputs[:2]                        
        loss.backward()
        sum_loss = sum_loss + loss.detach().data

上面给出的是我如何计算微调任务的每批数据的损失。

sum loss 1529.43408203125
loss 4.632936000823975
prediction_scores tensor([[[-11.2291,  -9.2614, -11.8575,  ..., -18.1927, -17.7286, -11.9215],
         [-67.2786, -63.5928, -70.7110,  ..., -75.3516, -73.8672, -67.6637],
         [-81.1397, -80.0295, -82.9357,  ..., -83.7913, -85.7201, -78.9877],
         ...,
         [-85.3213, -82.5135, -86.5459,  ..., -90.9160, -90.4393, -82.3141],
         [-44.2260, -43.1702, -49.2296,  ..., -58.9839, -55.2058, -42.3312],
         [-63.2842, -59.7334, -61.8444,  ..., -75.0798, -75.7507, -54.0160]]],
       device='cuda:0', grad_fn=<UnsafeViewBackward>)

上面给出的是仅打印批次的损失时的情况

我正在微调语言模型，并计算训练和验证损失以及训练和验证困惑度。在我的程序中，它是通过损失的指数来计算的。我知道较低的困惑度代表更好的语言模型，并且想知道一个好的模型的值范围是多少。任何帮助表示赞赏。谢谢。

我正在尝试使用 NLP 计算句子中单词的概率或任何类型的分数。我已经使用 Huggingface Transformers 库对 GPT2 模型尝试了这种方法，但是，由于模型的单向性质，我无法在上下文中进行预测，因此无法获得令人满意的结果。所以我想知道是否有办法使用 BERT 计算上述内容，因为它是双向的。

我发现这篇文章相关，我前几天随机看到的，但没有看到任何对我有用的答案。

希望我能够收到想法或解决方案。任何帮助表示赞赏。谢谢你。