Multi-label classification 遇到文本张量不一致问题

原创已于 2023-03-29 14:22:44 修改 · 493 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言 #pytorch #nlp #bert

于 2023-03-28 14:30:00 首次发布

pytorch 同时被 2 个专栏收录

3 篇文章

订阅专栏

NLP

2 篇文章

订阅专栏

在进行文本多分类模型测试时遇到了RuntimeError，原因是tokenizer的truncation参数未设为True。错误信息显示不同输入的尺寸不一致。通过将truncation设置为True，确保超过max_length的文本会被截断，从而解决了问题。之前的设置是truncation=only_second，这可能导致长度差异较大的文本未正确处理。

在文本多分类模型测试过程报如下错误： RuntimeError: stack expects each tensor to be equal size, but got [512] at entry 0 and [863] at entry 7.

这个错误的主要原因是在文本数据进行 tokenizer 时没有进行 truncation=True, 具体代码如下

inputs = self.tokenizer.encode_plus(
            text,
            add_special_tokens=True,  # 句子开头和分隔加 cls sep  [cls] + text + [sep]
            max_length=self.max_len,  
            return_token_type_ids=True,  # 分句ids
            return_attention_mask=True,  # 注意力编码
            return_tensors='pt',  # pytorch类型
            padding="max_length"
            truncation=True  # 这个里设置为True, 超过max_length就截断
        )

之前模型代码写的是 truncation='only_second', 如果文本数据长度差异太大，就必须 truncation设置为True. 改好后就没有上面报错