尝试在 TensorFlow 中微调 GPT-2 模型时出现 ValueError

Posted

技术标签:

【中文标题】尝试在 TensorFlow 中微调 GPT-2 模型时出现 ValueError【英文标题】:ValueError when trying to fine-tune GPT-2 model in TensorFlow 【发布时间】:2021-09-14 21:46:42 【问题描述】:

在尝试微调 Hugging Face's distribution of the GPT-2 model 时,我在 Python 代码中遇到了 ValueError。具体来说:

ValueError: Dimensions must be equal, but are 64 and 0 for
'node Equal_1 = Equal[T=DT_FLOAT, incompatible_shape_error=true](Cast_18, Cast_19)'
with input shapes: [64,0,1024], [2,0,12,1024].

我有大约 100 个文本文件,我将它们连接成一个名为 raw_text 的字符串变量,然后传递给以下函数以创建训练和测试 TensorFlow 数据集:

def to_datasets(raw_text):
    # split the raw text in smaller sequences
    seqs = [
        raw_text[SEQ_LEN * i:SEQ_LEN * (i + 1)]
        for i in range(len(raw_text) // SEQ_LEN)
    ]

    # set up Hugging Face GPT-2 tokenizer
    tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
    tokenizer.pad_token = tokenizer.eos_token

    # tokenize the character sequences
    tokenized_seqs = [
        tokenizer(seq, padding="max_length", return_tensors="tf")["input_ids"]
        for seq in seqs
    ]

    # convert tokenized sequences into TensorFlow datasets
    trn_seqs = tf.data.Dataset \
        .from_tensor_slices(tokenized_seqs[:int(len(tokenized_seqs) * TRAIN_PERCENT)])
    tst_seqs = tf.data.Dataset \
        .from_tensor_slices(tokenized_seqs[int(len(tokenized_seqs) * TRAIN_PERCENT):])

    def input_and_target(x):
        return x[:-1], x[1:]

    # map into (input, target) tuples, shuffle order of elements, and batch
    trn_dataset = trn_seqs.map(input_and_target) \
        .shuffle(SHUFFLE_BUFFER_SIZE) \
        .batch(BATCH_SIZE, drop_remainder=True)
    tst_dataset = tst_seqs.map(input_and_target) \
        .shuffle(SHUFFLE_BUFFER_SIZE) \
        .batch(BATCH_SIZE, drop_remainder=True)

    return trn_dataset, tst_dataset

然后我尝试训练我的模型,调用train_model(*to_datasets(raw_text))

def train_model(trn_dataset, tst_dataset):
    # import Hugging Face GPT-2 model
    model = TFGPT2Model.from_pretrained("gpt2")

    model.compile(
        optimizer=tf.keras.optimizers.Adam(),
        loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
        metrics=tf.metrics.SparseCategoricalAccuracy()
    )

    model.fit(
        trn_dataset,
        epochs=EPOCHS,
        initial_epoch=0,
        validation_data=tst_dataset
    )

ValueErrormodel.fit() 调用上触发。全大写的变量是从 JSON 文件中提取的设置。目前,它们设置为:


    "BATCH_SIZE":64,
    "SHUFFLE_BUFFER_SIZE":10000,
    "EPOCHS":500,
    "SEQ_LEN":2048,
    "TRAIN_PERCENT":0.9

任何有关此错误含义的信息或有关如何解决它的想法将不胜感激。谢谢!

【问题讨论】:

【参考方案1】:

我遇到了同样的问题,但是当我将批量大小更改为 12(与 gpt-2 配置文件中的 n_layer 参数相同)时,它可以工作。 我不知道为什么它会起作用,但你可以试试...... 如果您设法以不同的方式解决它,我将很高兴听到。

【讨论】:

以上是关于尝试在 TensorFlow 中微调 GPT-2 模型时出现 ValueError的主要内容,如果未能解决你的问题,请参考以下文章

缺少 GPT-2 微调脚本和 Hugging-face GitHub 中的推理?

Tensorflow 在 GPT 2 Git 版本中没有“排序”属性?

GPT系列论文

如何在 TensorFlow 中微调预训练网络?

Tensorflow:在具有不同类别数量的新数据集上微调预训练模型

OpenAI GPT-2 模型与 TensorFlow JS 一起使用