web-dev-qa-db-ja.com

Pytorch Bert TypeError：forward（）は予期しないキーワード引数「ラベル」を得ました

PYTORCHトランスを使用してBERTモデルを訓練する（チュートリアルの後（ここで） ここ ）。

チュートリアルの次の文

loss = model(b_input_ids, token_type_ids=None, attention_mask=b_input_mask, labels=b_labels)
 _

につながる

TypeError: forward() got an unexpected keyword argument 'labels'
 _

これが完全なエラーです。

TypeError                                 Traceback (most recent call last)
<ipython-input-53-56aa2f57dcaf> in <module>
     26         optimizer.zero_grad()
     27         # Forward pass
---> 28         loss = model(b_input_ids, token_type_ids=None, attention_mask=b_input_mask, labels=b_labels)
     29         train_loss_set.append(loss.item())
     30         # Backward pass

~/anaconda3/envs/systreviewclassifi/lib/python3.6/site-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
    539             result = self._slow_forward(*input, **kwargs)
    540         else:
--> 541             result = self.forward(*input, **kwargs)
    542         for hook in self._forward_hooks.values():
    543             hook_result = hook(self, input, result)

TypeError: forward() got an unexpected keyword argument 'labels'
 _

私はどんな種類の議論（）関数が期待するかを理解することはできません。

同様の問題があります ここ ですが、私はまだ解決策が何であるかを取得しません。

システムインフォメーション：

  • OS：Ubuntu 16.04 LTS
  • Pythonバージョン：3.6.x
  • トーチ版：1.3.0
  • トーチビジョンバージョン：0.4.1
  • Pytorch Transformersのバージョン：1.2.0
pythonpytorchbert-language-modelhuggingface-transformers
7
Anjani Dhrangadhariya

私が知っている限りでは、BertModelはforward()関数にラベルを取りません。 forward 関数パラメータをチェックしてください。

シーケンス分類タスクのBertModelを微調整しようとしていると思われると、APIは BertforSequenceClassification です。あなたがそのworford（）関数定義を見ることができるように：

def forward(self, input_ids, attention_mask=None, token_type_ids=None,
            position_ids=None, head_mask=None, labels=None):
 _

PROFERD（）メソッドは以下のものを返します。

Outputs: `Tuple` comprising various elements depending on the configuration (config) and inputs:
        **loss**: (`optional`, returned when ``labels`` is provided) ``torch.FloatTensor`` of shape ``(1,)``:
            Classification (or regression if config.num_labels==1) loss.
        **logits**: ``torch.FloatTensor`` of shape ``(batch_size, config.num_labels)``
            Classification (or regression if config.num_labels==1) scores (before SoftMax).
        **hidden_states**: (`optional`, returned when ``config.output_hidden_states=True``)
            list of ``torch.FloatTensor`` (one for the output of each layer + the output of the embeddings)
            of shape ``(batch_size, sequence_length, hidden_size)``:
            Hidden-states of the model at the output of each layer plus the initial embedding outputs.
        **attentions**: (`optional`, returned when ``config.output_attentions=True``)
            list of ``torch.FloatTensor`` (one for each layer) of shape ``(batch_size, num_heads, sequence_length, sequence_length)``:
            Attentions weights after the attention softmax, used to compute the weighted average in the self-attention heads. 
 _

お役に立てれば！

2
Wasi Ahmad