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

Posted 2023-03-29

【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
    )

ValueError 在model.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！

【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。