BERT 输出不确定

Posted 2023-02-15

【中文标题】BERT 输出不确定

【英文标题】：BERT output not deterministic

【发布时间】：2019-10-31 13:21:32

【问题描述】：

。 当我输入相同的输入时，我希望输出值是确定性的，但是我的伯特模型中的值正在改变。听起来很尴尬，相同的值被返回两次，一次。也就是说，一旦出现另一个值，就会出现相同的值并重复。 如何使输出具有确定性？ 让我展示一下我的代码的 sn-ps。 我使用的模型如下。

对于 BERT 实现，我使用了 huggingface 实现的 BERT pytorch 实现。这是 pytorch 领域非常著名的模型 ri 实现。 [链接]https://github.com/huggingface/pytorch-pretrained-BERT/

        tokenizer = BertTokenizer.from_pretrained(self.bert_type, do_lower_case=self.do_lower_case, cache_dir=self.bert_cache_path)
        pretrain_bert = BertModel.from_pretrained(self.bert_type, cache_dir=self.bert_cache_path)
        bert_config = pretrain_bert.config

得到这样的输出

        all_encoder_layer, pooled_output = self.model_bert(all_input_ids, all_segment_ids, all_input_mask)

        # all_encoder_layer: BERT outputs from all layers.
        # pooled_output: output of [CLS] vec.

pooled_output

tensor([[-3.3997e-01,  2.6870e-01, -2.8109e-01, -2.0018e-01, -8.6849e-02,

tensor([[ 7.4340e-02, -3.4894e-03, -4.9583e-03,  6.0806e-02,  8.5685e-02,

tensor([[-3.3997e-01,  2.6870e-01, -2.8109e-01, -2.0018e-01, -8.6849e-02,

tensor([[ 7.4340e-02, -3.4894e-03, -4.9583e-03,  6.0806e-02,  8.5685e-02,

对于所有的编码器层，情况是一样的，- 一次两次是一样的。

我从bert中提取词嵌入特征，情况也是一样。

wemb_n
tensor([[[ 0.1623,  0.4293,  0.1031,  ..., -0.0434, -0.5156, -1.0220],

tensor([[[ 0.0389,  0.5050,  0.1327,  ...,  0.3232,  0.2232, -0.5383],

tensor([[[ 0.1623,  0.4293,  0.1031,  ..., -0.0434, -0.5156, -1.0220],

tensor([[[ 0.0389,  0.5050,  0.1327,  ...,  0.3232,  0.2232, -0.5383],

【参考方案1】：

请尝试设置种子。我遇到了同样的问题并设置了种子以确保我们每次都获得相同的值。可能的原因之一可能是在 BERT 中发生了辍学。

【讨论】：

哦，太好了。我现在也使用 python、numpy 和 torch 来获得相同的值。谢谢。

我们知道在推理过程中什么是随机的吗？在训练期间，我相信大多数版本的 BERT 都使用 dropout，它使用随机化。但是，为了推断，我不确定在哪里使用随机数生成器。