transformers本地加载roberta模型pytorch

Arms206

已于 2022-09-28 12:54:10 修改

阅读量1.1w

点赞数 13

分类专栏： nlp深度学习文章标签：自然语言处理 pytorch 深度学习

于 2021-05-04 11:13:53 首次发布

本文链接：https://blog.youkuaiyun.com/sdaujz/article/details/116398435

版权

nlp深度学习专栏收录该内容

3 篇文章

订阅专栏

本文详细介绍了如何在本地加载RoBERTa-base模型，包括配置文件、模型权重和词汇表的获取与组织。强调了不同transformers版本间的导入差异，并对比了RoBERTa与Bert在数据处理上的区别，如RoBERTa不使用token_type_ids。同时，展示了如何使用RoBERTaTokenizer和RobertaModel进行实例化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本地加载roberta-base模型文件，roberta-large同理，

只不过hidden_size从768变为1024，

在该网站下载模型文件： roberta-base at main (huggingface.co)

所需的有 config.json, merges.txt, pytorch_model.bin(下载后重命名), vocab.json

路径组织结构：

└─model
│ merges.txt
│ vocab.json
│
└─roberta-base
config.json
pytorch_model.bin

此处transformers版本是2.11.0，

不同版本的transformers里import的用法可能不同，所以强调了版本，

可针对自己的版本去看官方文档

from transformers import RobertaTokenizer

vocab_file = 'model/vocab.json'

merges_file = 'model/merges.txt'

tokenizer = RobertaTokenizer(vocab_file, merges_file)

RobertaTokenizer 和 BertTokenizer 处理数据时不一样，

Roberta模型没有token_type_ids，也就是segment_ids

还有 Bert 的数据格式是

pair of sequences: [CLS] A [SEP] B [SEP]

Roberta 的则是

pair of sequences: <s> A </s></s> B </s>

参见：RobertaTokenizer中的build_inputs_with_special_tokens

与 BertTokenizer中的build_inputs_with_special_tokens

from transformers.modeling_roberta import RobertaModel

 bert = RobertaModel.from_pretrained('model/roberta-base/')