下载huggingface-transformers模型至本地，并使用from_pretrained方法加载

Posted 2023-04-04 一位安分的码农

我们经常会使用到hugging face开源的transformers包，调用from_pretrained方法直接下载模型时，经常会下载很久甚至失败.
而且由于它自动将下载的模型保存至root/.cache/huggingface/transformers文件夹下，这不方便我们对模型进行备份。
为了解决这个问题，下面我们将实现“下载huggingface-transformers模型至本地，并使用from_pretrained方法加载”。

一、下载huggingface_hub包

pip install huggingface_hub

二、编写python脚本下载模型

比如我们现在想要下载google/vit-base-patch16-224transformers包，可以通过如下代码实现：

from huggingface_hub import snapshot_download

snapshot_download(repo_id="google/vit-base-patch16-224", allow_patterns=["*.json", "pytorch_model.bin", "vocab.txt"], local_dir="./my_model/")

其中，repo_id含义为模型在huggingface的路径，allow_patterns为你想要下载的文件（因为repo_id目录下文件很多，你可以通过此参数下载自己想要的文件），local_dir含义为模型保存在本地的路径。

Hugging Face官方也给出了使用工具下载模型的方法，链接地址

三、在代码中加载本地模型

模型下载到本地前，加载模型的方式为：

VIT_MODEL_NAME_OR_PATH = "google/vit-base-patch16-224"
model = VisionEncoderDecoderModel.from_pretrained(vision_encoder_decoder_model_name_or_path)

下载到本地后，我们就可以这样加载模型了：

vision_encoder_decoder_model_name_or_path = "./my_model/"

huggingface-transformers：训练 BERT 并使用不同的注意力对其进行评估

【中文标题】huggingface-transformers：训练 BERT 并使用不同的注意力对其进行评估

【英文标题】：huggingface-transformers: Train BERT and evaluate it using different attentions

【发布时间】：2020-08-23 07:13:52

【问题描述】：

这是一个澄清问题。我正在尝试使用标准注意力训练BERT provided by huggingface，并使用不同的注意力定义进行评估。

我考虑的操作是在下面的命令中将bert-base-uncased更改为我训练好的模型的路径（使用标准注意力），并在我自定义的注意力版本的安装下运行--do_eval。

export GLUE_DIR=/path/to/glue
export TASK_NAME=MRPC

python ./examples/run_glue.py \
    --model_name_or_path bert-base-uncased \
    --task_name $TASK_NAME \
    --do_eval \
    --data_dir $GLUE_DIR/$TASK_NAME \
    --max_seq_length 128 \
    --per_gpu_eval_batch_size=8   \
    --per_gpu_train_batch_size=8   \
    --learning_rate 2e-5 \
    --num_train_epochs 3.0 \
    --output_dir /tmp/$TASK_NAME/

但是，我得到了意想不到的结果。所以我想确保我使用了正确的命令。有人可以和我确认或纠正我吗？

已编辑：版本为 2.8.0。

【问题讨论】：

请发布错误信息并添加您正在使用的转换器版本。

我没有错误信息，它正在输出结果。我编辑并添加了版本。 @cronoik

“安装下我的自定义关注”是什么意思？你做了什么？您是否替换了相应的转换器方法？

是的。我改变了 BertSelfAttention 的实现。对困惑感到抱歉。 @cronoik

是的，应该可以。结果应该与原来的 BertSelfAttention 不同。不是这样吗？

【参考方案1】：

是的。经@cronoik 确认，这是正确的操作。