fastNLP: 一款轻量级的自然语言处理（NLP）工具包 |
您所在的位置：网站首页 › 序列处理在线工具包 › fastNLP: 一款轻量级的自然语言处理（NLP）工具包 |
fastNLP: 一款轻量级的自然语言处理（NLP）工具包
|
fastNLP
fastNLP是一款轻量级的自然语言处理（NLP）工具包，目标是减少用户项目中的工程型代码，例如数据处理循环、训练循环、多卡运行等。 fastNLP具有如下的特性： 便捷。在数据处理中可以通过apply函数避免循环、使用多进程提速等；在训练循环阶段可以很方便定制操作。 高效。无需改动代码，实现fp16切换、多卡、ZeRO优化等。 兼容。fastNLP支持多种深度学习框架作为后端。
中文文档 安装指南fastNLP可以通过以下的命令进行安装 pip install fastNLP>=1.0.0alpha如果需要安装更早版本的fastNLP请指定版本号，例如 pip install fastNLP==0.7.1另外，请根据使用的深度学习框架，安装相应的深度学习框架。 Pytorch 下面是使用pytorch来进行文本分类的例子。需要安装torch>=1.6.0。 from fastNLP.io import ChnSentiCorpLoader from functools import partial from fastNLP import cache_results from fastNLP.transformers.torch import BertTokenizer # 使用cache_results装饰器装饰函数，将prepare_data的返回结果缓存到caches/cache.pkl，再次运行时，如果 # 该文件还存在，将自动读取缓存文件，而不再次运行预处理代码。 @cache_results('caches/cache.pkl') def prepare_data(): # 会自动下载数据，并且可以通过文档看到返回的 dataset 应该是包含"raw_words"和"target"两个field的 data_bundle = ChnSentiCorpLoader().load() # 使用tokenizer对数据进行tokenize tokenizer = BertTokenizer.from_pretrained('hfl/chinese-bert-wwm') tokenize = partial(tokenizer, max_length=256) # 限制数据的最大长度 data_bundle.apply_field_more(tokenize, field_name='raw_chars', num_proc=4) # 会新增"input_ids", "attention_mask"等field进入dataset中 data_bundle.apply_field(int, field_name='target', new_field_name='labels') # 将int函数应用到每个target上，并且放入新的labels field中 return data_bundle data_bundle = prepare_data() print(data_bundle.get_dataset('train')[:4]) # 初始化model, optimizer from fastNLP.transformers.torch import BertForSequenceClassification from torch import optim model = BertForSequenceClassification.from_pretrained('hfl/chinese-bert-wwm') optimizer = optim.AdamW(model.parameters(), lr=2e-5) # 准备dataloader from fastNLP import prepare_dataloader dls = prepare_dataloader(data_bundle, batch_size=32) # 准备训练 from fastNLP import Trainer, Accuracy, LoadBestModelCallback, TorchWarmupCallback, Event callbacks = [ TorchWarmupCallback(warmup=0.1, schedule='linear'), # 训练过程中调整学习率。 LoadBestModelCallback() # 将在训练结束之后，加载性能最优的model ] # 在训练特定时机加入一些操作， 不同时机能够获取到的参数不一样，可以通过Trainer.on函数的文档查看每个时机的参数 @Trainer.on(Event.on_before_backward()) def print_loss(trainer, outputs): if trainer.global_forward_batches % 10 == 0: # 每10个batch打印一次loss。 print(outputs.loss.item()) trainer = Trainer(model=model, train_dataloader=dls['train'], optimizers=optimizer, device=0, evaluate_dataloaders=dls['dev'], metrics={'acc': Accuracy()}, callbacks=callbacks, monitor='acc#acc',n_epochs=5, # Accuracy的update()函数需要pred，target两个参数，它们实际对应的就是以下的field。 evaluate_input_mapping={'labels': 'target'}, # 在评测时，将dataloader中会输入到模型的labels重新命名为target evaluate_output_mapping={'logits': 'pred'} # 在评测时，将model输出中的logits重新命名为pred ) trainer.run() # 在测试集合上进行评测 from fastNLP import Evaluator evaluator = Evaluator(model=model, dataloaders=dls['test'], metrics={'acc': Accuracy()}, # Accuracy的update()函数需要pred，target两个参数，它们实际对应的就是以下的field。 output_mapping={'logits': 'pred'}, input_mapping={'labels': 'target'}) evaluator.run()更多内容可以参考如下的链接 快速入门 0. 10 分钟快速上手 fastNLP torch 详细使用教程 1. Trainer 和 Evaluator 的基本使用 2. DataSet 和 Vocabulary 的基本使用 3. DataBundle 和 Tokenizer 的基本使用 4. TorchDataloader 的内部结构和基本使用 5. fastNLP 中的预定义模型 6. Trainer 和 Evaluator 的深入介绍 7. fastNLP 与 paddle 或 jittor 的结合 8. 使用 Bert + fine-tuning 完成 SST-2 分类 9. 使用 Bert + prompt 完成 SST-2 分类 Paddle 下面是使用paddle来进行文本分类的例子。需要安装paddle>=2.2.0以及paddlenlp>=2.3.3。 from fastNLP.io import ChnSentiCorpLoader from functools import partial # 会自动下载数据，并且可以通过文档看到返回的 dataset 应该是包含"raw_words"和"target"两个field的 data_bundle = ChnSentiCorpLoader().load() # 使用tokenizer对数据进行tokenize from paddlenlp.transformers import BertTokenizer tokenizer = BertTokenizer.from_pretrained('hfl/chinese-bert-wwm') tokenize = partial(tokenizer, max_length=256) # 限制一下最大长度 data_bundle.apply_field_more(tokenize, field_name='raw_chars', num_proc=4) # 会新增"input_ids", "attention_mask"等field进入dataset中 data_bundle.apply_field(int, field_name='target', new_field_name='labels') # 将int函数应用到每个target上，并且放入新的labels field中 print(data_bundle.get_dataset('train')[:4]) # 初始化 model from paddlenlp.transformers import BertForSequenceClassification, LinearDecayWithWarmup from paddle import optimizer, nn class SeqClsModel(nn.Layer): def __init__(self, model_checkpoint, num_labels): super(SeqClsModel, self).__init__() self.num_labels = num_labels self.bert = BertForSequenceClassification.from_pretrained(model_checkpoint) def forward(self, input_ids, token_type_ids=None, position_ids=None, attention_mask=None): logits = self.bert(input_ids, token_type_ids, position_ids, attention_mask) return logits def train_step(self, input_ids, labels, token_type_ids=None, position_ids=None, attention_mask=None): logits = self(input_ids, token_type_ids, position_ids, attention_mask) loss_fct = nn.CrossEntropyLoss() loss = loss_fct(logits.reshape((-1, self.num_labels)), labels.reshape((-1, ))) return { "logits": logits, "loss": loss, } def evaluate_step(self, input_ids, token_type_ids=None, position_ids=None, attention_mask=None): logits = self(input_ids, token_type_ids, position_ids, attention_mask) return { "logits": logits, } model = SeqClsModel('hfl/chinese-bert-wwm', num_labels=2) # 准备dataloader from fastNLP import prepare_dataloader dls = prepare_dataloader(data_bundle, batch_size=16) # 训练过程中调整学习率。 scheduler = LinearDecayWithWarmup(2e-5, total_steps=20 * len(dls['train']), warmup=0.1) optimizer = optimizer.AdamW(parameters=model.parameters(), learning_rate=scheduler) # 准备训练 from fastNLP import Trainer, Accuracy, LoadBestModelCallback, Event callbacks = [ LoadBestModelCallback() # 将在训练结束之后，加载性能最优的model ] # 在训练特定时机加入一些操作， 不同时机能够获取到的参数不一样，可以通过Trainer.on函数的文档查看每个时机的参数 @Trainer.on(Event.on_before_backward()) def print_loss(trainer, outputs): if trainer.global_forward_batches % 10 == 0: # 每10个batch打印一次loss。 print(outputs["loss"].item()) trainer = Trainer(model=model, train_dataloader=dls['train'], optimizers=optimizer, device=0, evaluate_dataloaders=dls['dev'], metrics={'acc': Accuracy()}, callbacks=callbacks, monitor='acc#acc', # Accuracy的update()函数需要pred，target两个参数，它们实际对应的就是以下的field。 evaluate_output_mapping={'logits': 'pred'}, evaluate_input_mapping={'labels': 'target'} ) trainer.run() # 在测试集合上进行评测 from fastNLP import Evaluator evaluator = Evaluator(model=model, dataloaders=dls['test'], metrics={'acc': Accuracy()}, # Accuracy的update()函数需要pred，target两个参数，它们实际对应的就是以下的field。 output_mapping={'logits': 'pred'}, input_mapping={'labels': 'target'}) evaluator.run()更多内容可以参考如下的链接 快速入门 0. 10 分钟快速上手 fastNLP paddle 详细使用教程 1. 使用 paddlenlp 和 fastNLP 实现中文文本情感分析 2. 使用 paddlenlp 和 fastNLP 训练中文阅读理解任务 oneflow jittor 项目结构fastNLP的项目结构如下： fastNLP 开源的自然语言处理库 fastNLP.core 实现了核心功能，包括数据处理组件、训练器、测试器等 fastNLP.models 实现了一些完整的神经网络模型 fastNLP.modules 实现了用于搭建神经网络模型的诸多组件 fastNLP.embeddings 实现了将序列index转为向量序列的功能，包括读取预训练embedding等 fastNLP.io 实现了读写功能，包括数据读入与预处理，模型读写，数据与模型自动下载等 |
为了实现对不同深度学习架构的兼容，fastNLP 1.0.0之后的版本重新设计了架构，因此与过去的fastNLP版本不完全兼容，
基于更早的fastNLP代码需要做一定的调整:【本文地址】
今日新闻 |
推荐新闻 |