Transformers 保存并加载模型 | 八

作者|huggingface
编译|VK
来源|Github

本节说明如何保存和重新加载微调模型(BERT，GPT，GPT-2和Transformer-XL)。你需要保存三种文件类型才能重新加载经过微调的模型：

• 模型本身应该是PyTorch序列化保存的模型(https://pytorch.org/docs/stable/notes/serialization.html#best-practices)
• 模型的配置文件是保存为JSON文件
• 词汇表(以及基于GPT和GPT-2合并的BPE的模型)。

这些文件的默认文件名如下：

• 模型权重文件：pytorch_model.bin
• 配置文件：config.json
• 词汇文件：vocab.txt代表BERT和Transformer-XL，vocab.json代表GPT/GPT-2(BPE词汇)，
• 代表GPT/GPT-2(BPE词汇)额外的合并文件：merges.txt。

如果使用这些默认文件名保存模型，则可以使用from_pretrained()方法重新加载模型和tokenizer。

这是保存模型，配置和配置文件的推荐方法。词汇到output_dir目录，然后重新加载模型和tokenizer：

from transformers import WEIGHTS_NAME, CONFIG_NAME

output_dir = "./models/"

# 步骤1：保存一个经过微调的模型、配置和词汇表

#如果我们有一个分布式模型，只保存封装的模型
#它包装在PyTorch DistributedDataParallel或DataParallel中
model_to_save = model.module if hasattr(model, 'module') else model
#如果使用预定义的名称保存，则可以使用`from_pretrained`加载
output_model_file = os.path.join(output_dir, WEIGHTS_NAME)
output_config_file = os.path.join(output_dir, CONFIG_NAME)

torch.save(model_to_save.state_dict(), output_model_file)
model_to_save.config.to_json_file(output_config_file)
tokenizer.save_vocabulary(output_dir)

# 步骤2: 重新加载保存的模型

#Bert模型示例
model = BertForQuestionAnswering.from_pretrained(output_dir)
tokenizer = BertTokenizer.from_pretrained(output_dir, do_lower_case=args.do_lower_case)  # Add specific options if needed
#GPT模型示例
model = OpenAIGPTDoubleHeadsModel.from_pretrained(output_dir)
tokenizer = OpenAIGPTTokenizer.from_pretrained(output_dir)

如果要为每种类型的文件使用特定路径，则可以使用另一种方法保存和重新加载模型：

output_model_file = "./models/my_own_model_file.bin"
output_config_file = "./models/my_own_config_file.bin"
output_vocab_file = "./models/my_own_vocab_file.bin"

# 步骤1：保存一个经过微调的模型、配置和词汇表

#如果我们有一个分布式模型，只保存封装的模型
#它包装在PyTorch DistributedDataParallel或DataParallel中
model_to_save = model.module if hasattr(model, 'module') else model

torch.save(model_to_save.state_dict(), output_model_file)
model_to_save.config.to_json_file(output_config_file)
tokenizer.save_vocabulary(output_vocab_file)

# 步骤2: 重新加载保存的模型

# 我们没有使用预定义权重名称、配置名称进行保存，无法使用`from_pretrained`进行加载。
# 下面是在这种情况下的操作方法：

#Bert模型示例
config = BertConfig.from_json_file(output_config_file)
model = BertForQuestionAnswering(config)
state_dict = torch.load(output_model_file)
model.load_state_dict(state_dict)
tokenizer = BertTokenizer(output_vocab_file, do_lower_case=args.do_lower_case)

#GPT模型示例
config = OpenAIGPTConfig.from_json_file(output_config_file)
model = OpenAIGPTDoubleHeadsModel(config)
state_dict = torch.load(output_model_file)
model.load_state_dict(state_dict)
tokenizer = OpenAIGPTTokenizer(output_vocab_file)

原文链接：https://huggingface.co/transformers/serialization.html#serialization-best-practices