如何使用训练有素的 BERT 模型检查点进行预测？答案

【问题标题】：How to use trained BERT model checkpoints for prediction?如何使用训练有素的 BERT 模型检查点进行预测？
【发布时间】：2019-11-10 01:24:09
【问题描述】：

我使用 SQUAD 2.0 训练了 BERT，并使用 BERT-master/run_squad.py 在输出目录中获得了 model.ckpt.data、model.ckpt.meta、model.ckpt.index（F1 分数：81）以及 predictions.json 等

python run_squad.py \
  --vocab_file=$BERT_LARGE_DIR/vocab.txt \
  --bert_config_file=$BERT_LARGE_DIR/bert_config.json \
  --init_checkpoint=$BERT_LARGE_DIR/bert_model.ckpt \
  --do_train=True \
  --train_file=$SQUAD_DIR/train-v2.0.json \
  --do_predict=True \
  --predict_file=$SQUAD_DIR/dev-v2.0.json \
  --train_batch_size=24 \
  --learning_rate=3e-5 \
  --num_train_epochs=2.0 \
  --max_seq_length=384 \
  --doc_stride=128 \
  --output_dir=gs://some_bucket/squad_large/ \
  --use_tpu=True \
  --tpu_name=$TPU_NAME \
  --version_2_with_negative=True

我尝试将model.ckpt.meta、model.ckpt.index、model.ckpt.data 复制到$BERT_LARGE_DIR 目录并更改run_squad.py 标志如下，以仅预测答案而不使用数据集进行训练：

python run_squad.py \
  --vocab_file=$BERT_LARGE_DIR/vocab.txt \
  --bert_config_file=$BERT_LARGE_DIR/bert_config.json \
  --init_checkpoint=$BERT_LARGE_DIR/model.ckpt \
  --do_train=False \
  --train_file=$SQUAD_DIR/train-v2.0.json \
  --do_predict=True \
  --predict_file=$SQUAD_DIR/dev-v2.0.json \
  --train_batch_size=24 \
  --learning_rate=3e-5 \
  --num_train_epochs=2.0 \
  --max_seq_length=384 \
  --doc_stride=128 \
  --output_dir=gs://some_bucket/squad_large/ \
  --use_tpu=True \
  --tpu_name=$TPU_NAME \
  --version_2_with_negative=True

抛出bucket directory/model.ckpt不存在错误。

如何利用训练后生成的检查点进行预测？

【问题讨论】：

标签： python tensorflow neural-network google-cloud-tpu bert-language-model

【解决方案1】：

通常，训练的检查点是在训练时在--output_dir参数指定的目录中创建的。（在你的情况下是gs://some_bucket/squad_large/）。每个检查点都会有一个编号。你必须找出最大的数字；例如：model.ckpt-12345。现在，在您的评估/预测中设置--init_checkpoint 参数，使用输出目录和最后保存的检查点（编号最高的模型）。（在你的情况下，它应该类似于--init_checkpoint=gs://some_bucket/squad_large/model.ckpt-<highest number>）

【讨论】：

【解决方案2】：

在第二个代码中，FLAG init_checkpoint 我认为应该是：

--init_checkpoint=$BERT_LARGE_DIR/bert_model.ckpt

和上面一样，而不是--init_checkpoint=$BERT_LARGE_DIR/model.ckpt。

如果问题仍然存在，您是否使用multi_cased_L-12_H-768_A-12 预训练模型？

【讨论】：

我使用的是 cased_L-24_H-1024_A-16 预训练模型。我会让你知道结果。
这并没有加载训练好的模型，而是预训练好的模型。其他答案有效。要使用经过训练的模型，我们必须指定检查点编号。