使用 HuggingFace 库在 Pytorch 中训练 n% 的最后一层 BERT（训练 12 个中的最后 5 个 BERTLAYER。）答案

【问题标题】：Train n% last layers of BERT in Pytorch using HuggingFace Library (train Last 5 BERTLAYER out of 12 .)使用 HuggingFace 库在 Pytorch 中训练 n% 的最后一层 BERT（训练 12 个中的最后 5 个 BERTLAYER。）
【发布时间】：2021-03-09 01:39:44
【问题描述】：

Bert 的架构类似于 encoder -> 12 BertLayer -> Pooling。我想训练 Bert 模型的最后 40% 层。我可以将所有图层冻结为：

# freeze parameters
bert = AutoModel.from_pretrained('bert-base-uncased')
for param in bert.parameters():
    param.requires_grad = False

但我想训练最后 40% 的层。当我执行len(list(bert.parameters())) 时，它给了我 199。所以让我们假设 79 是 40% 的参数。我可以这样做吗：

for param in list(bert.parameters())[-79:]: # total  trainable 199 Params: 79 is 40%
    param.requires_grad = False

我认为它会冻结前 60% 的层。

另外，谁能告诉我它会根据架构冻结哪些层？

【问题讨论】：

标签： deep-learning nlp pytorch torch huggingface-transformers

【解决方案1】：

您可能正在寻找named_parameters。

for name, param in bert.named_parameters():                                            
    print(name)

输出：

embeddings.word_embeddings.weight
embeddings.position_embeddings.weight
embeddings.token_type_embeddings.weight
embeddings.LayerNorm.weight
embeddings.LayerNorm.bias
encoder.layer.0.attention.self.query.weight
encoder.layer.0.attention.self.query.bias
encoder.layer.0.attention.self.key.weight
...

named_parameters 还会显示您没有冻结前 60% 而是最后 40%：

for name, param in bert.named_parameters():
    if param.requires_grad == True:
        print(name)

输出：

embeddings.word_embeddings.weight
embeddings.position_embeddings.weight
embeddings.token_type_embeddings.weight
embeddings.LayerNorm.weight
embeddings.LayerNorm.bias
encoder.layer.0.attention.self.query.weight
encoder.layer.0.attention.self.query.bias
encoder.layer.0.attention.self.key.weight
encoder.layer.0.attention.self.key.bias
encoder.layer.0.attention.self.value.weight
...

您可以使用以下方法冻结前 60%：

for name, param in list(bert.named_parameters())[:-79]: 
    print('I will be frozen: {}'.format(name)) 
    param.requires_grad = False

【讨论】：