Hugging-Face Transformers：从路径错误中加载模型

Posted 2023-03-29

【中文标题】Hugging-Face Transformers：从路径错误中加载模型

【英文标题】：Hugging-Face Transformers: Loading model from path error

【发布时间】：2020-10-19 20:14:25

【问题描述】：

我对 Hugging-Face 变形金刚很陌生。当我尝试从给定路径加载 xlm-roberta-base 模型时遇到以下问题：

>> tokenizer = AutoTokenizer.from_pretrained(model_path)
>> Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/user/anaconda3/lib/python3.7/site-packages/transformers/tokenization_auto.py", line 182, in from_pretrained
    return tokenizer_class.from_pretrained(pretrained_model_name_or_path, *inputs, **kwargs)
  File "/home/user/anaconda3/lib/python3.7/site-packages/transformers/tokenization_utils.py", line 309, in from_pretrained
    return cls._from_pretrained(*inputs, **kwargs)
  File "/home/user/anaconda3/lib/python3.7/site-packages/transformers/tokenization_utils.py", line 458, in _from_pretrained
    tokenizer = cls(*init_inputs, **init_kwargs)
  File "/home/user/anaconda3/lib/python3.7/site-packages/transformers/tokenization_roberta.py", line 98, in __init__
    **kwargs,
  File "/home/user/anaconda3/lib/python3.7/site-packages/transformers/tokenization_gpt2.py", line 133, in __init__
    with open(vocab_file, encoding="utf-8") as vocab_handle:
TypeError: expected str, bytes or os.PathLike object, not NoneType

但是，如果我按其名称加载它，则没有问题：

>> tokenizer = AutoTokenizer.from_pretrained('xlm-roberta-base')

我将不胜感激。

【问题讨论】：

你使用哪个版本的转换器？ model_path 的值是多少？

我正在使用transformers==2.4.1和model_path=./roberta/model-number

【参考方案1】：

我假设您已经按照documentation 中的描述创建了该目录：

tokenizer.save_pretrained('YOURPATH')

目前有一个 issue 正在调查中，它只影响 AutoTokenizer，但不影响底层的分词器，如 (XLMRobertaTokenizer)。例如以下应该工作：

from transformers import XLMRobertaTokenizer

tokenizer = XLMRobertaTokenizer.from_pretrained('YOURPATH')

要使用 AutoTokenizer，您还需要保存配置以离线加载：

from transformers import AutoTokenizer, AutoConfig

tokenizer = AutoTokenizer.from_pretrained('xlm-roberta-base')
config = AutoConfig.from_pretrained('xlm-roberta-base')

tokenizer.save_pretrained('YOURPATH')
config.save_pretrained('YOURPATH')

tokenizer = AutoTokenizer.from_pretrained('YOURPATH')

我建议或者为标记器和模型使用不同的路径或来保留模型的 config.json，因为您应用到模型的一些修改会存储在model.save_pretrained() 期间创建的 config.json 中，并且在您保存模型后如上所述的标记器时将被覆盖（即您将无法使用标记器 config.json 加载修改后的模型）。

【参考方案2】：

我遇到了同样的错误信息，要修复它，您可以在参数中添加use_fast=True。

generator = AutoTokenizer.from_pretrained(generator_path, config=config.generator, use_fast=True) 

【参考方案3】：

我遇到了同样的问题。使用本地机器上的模型。

os.environ['TRANSFORMERS_OFFLINE']='1'

这告诉库只使用本地文件。你可以在Hugging Face Installation - Offline Mode阅读更多关于它的信息

from transformers import RobertaTokenizer
tokenizer = RobertaTokenizer.from_pretrained('Model_Path')

路径应该是模型文件夹从当前文件目录的位置路径。例如，如果模型文件位于 xlm-roberta-base 文件夹下的模型文件夹中，则路径应为 'models/xlm-roberta-base/'