在 Bert Trainer 实例中提前停止答案

【问题标题】：Early stopping in Bert Trainer instances在 Bert Trainer 实例中提前停止
【发布时间】：2021-11-04 06:45:32
【问题描述】：

我正在为多类分类任务微调 BERT 模型。我的问题是我不知道如何向那些 Trainer 实例添加“提前停止”。有什么想法吗？

【问题讨论】：

标签： python neural-network huggingface-transformers bert-language-model

【解决方案1】：

在正确使用EarlyStoppingCallback()之前，您需要做几件事

from transformers import EarlyStoppingCallback
...
...
# Defining the TrainingArguments() arguments
args = TrainingArguments(
   f"training_with_callbacks",
   evaluation_strategy ='steps',
   eval_steps = 50, # Evaluation and Save happens every 50 steps
   save_total_limit = 5, # Only last 5 models are saved. Older ones are deleted.
   learning_rate=2e-5,
   per_device_train_batch_size=batch_size,
   per_device_eval_batch_size=batch_size,
   num_train_epochs=5,
   weight_decay=0.01,
   push_to_hub=False,
   metric_for_best_model = 'f1',
   load_best_model_at_end=True)

你需要：

使用load_best_model_at_end = True（EarlyStoppingCallback() 要求这是True）。
evaluation_strategy = 'steps' 而不是 'epoch'。
eval_steps = 50（在 N 步后评估指标）。
metric_for_best_model = 'f1',

在你的Trainer():

trainer = Trainer(
    model,
    args,
    ...
    compute_metrics=compute_metrics,
    callbacks = [EarlyStoppingCallback(early_stopping_patience=3)]
)

当然，当你使用compute_metrics时，例如它可以是这样的函数：

def compute_metrics(p):    
    pred, labels = p
    pred = np.argmax(pred, axis=1)
    accuracy = accuracy_score(y_true=labels, y_pred=pred)
    recall = recall_score(y_true=labels, y_pred=pred)
    precision = precision_score(y_true=labels, y_pred=pred)
    f1 = f1_score(y_true=labels, y_pred=pred)    
return {"accuracy": accuracy, "precision": precision, "recall": recall, "f1": f1}

compute_metrics() 的返回值应该是一个字典，你可以在函数内访问你想要/计算的任何指标并返回。

【讨论】：