时间戳

首页 > 解决方案 > 在 GLUE 任务上微调 BERT 时，如何监控训练和评估损失？

python - 在 GLUE 任务上微调 BERT 时，如何监控训练和评估损失？

问题描述

我正在运行https://github.com/huggingface/transformers/blob/master/examples/run_glue.py对二进制分类任务 (CoLA) 执行微调。我想监控训练和评估损失以防止过度拟合。

目前该库为 2.8.0，我从源代码进行了安装。

当我运行示例时

python run_glue.py --model_name_or_path bert-base-uncased 
                   --task_name CoLA 
                   --do_train 
                   --do_eval
                   --data_dir my_dir 
                   --max_seq_length 128
                   --per_gpu_train_batch_size 8
                   --per_gpu_eval_batch_size 8 
                   --learning_rate 2e-5
                   --num_train_epochs 3.0
                   --output_dir ./outputs
                   --logging_steps 5

在标准输出日志中，我看到只有一个损失值的行，例如

{“learning_rate”：3.3333333333333333e-06，“loss”：0.47537623047828675，“step”：25}

通过查看https://github.com/huggingface/transformers/blob/master/src/transformers/trainer.py，我看到那里计算了训练和评估损失（在我看来，代码最近被重构）。

因此，我已经用

 cr_loss = self._training_step(model, inputs, optimizer)
 tr_loss += cr_loss

并在https://github.com/huggingface/transformers/blob/abb1fa3f374811ea09d0bc3440d820c50735008d/src/transformers/trainer.py#L345之后添加 

logs["training loss"] = cr_loss

有了这个我得到：

0502 14:12:18.644119 23632 summary.py:47] Summary name training loss is illegal; using training_loss instead.  
                          | 4/10  [00:02<00:04,  1.49it/s]  
{"learning_rate":  3.3333333333333333e-06, "loss": 0.47537623047828675, "training loss": 0.5451719760894775, "step": 25}

这可以吗，还是我在这里做错了什么？

在微调期间，在标准输出中监控给定记录间隔的平均训练和评估损失的最佳方法是什么？

标签： pythonpytorchhuggingface-transformers

解决方案

如果安装更新的版本（我通过 pip 尝试了 2.9.0），代码中可能不需要更改：只需使用附加标志触发微调，--evaluate_during_training输出就可以了

0506 12:11:30.021593 34540 trainer.py:551] ***** Running Evaluation ***** 
I0506 12:11:30.022596 34540 trainer.py:552]   Num examples = 140  
I0506 12:11:30.023634 34540 trainer.py:553]   Batch size = 8 Evaluation:  
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 18/18 [00:19<00:00,  1.10s/it]  
{"eval_mcc": 0.0, "eval_loss": 0.6600487811697854, "learning_rate": 3.3333333333333333e-06, "loss": 0.50044886469841, "step": 25}

请注意示例脚本更改非常频繁，因此完成此操作的标志可能会更改名称......另请参见此处https://discuss.huggingface.co/t/how-to-monitor-both-train-and-validation-metrics -在同一步骤/1301

推荐阅读