恢复 GPT2
微调,从 run_clm.py
实现
GPT2 huggingface有一个参数可以从保存的检查点恢复训练,而不是从头开始重新训练?假设 python 笔记本在训练时崩溃了,检查点将被保存,但是当我再次训练模型时它仍然从头开始训练。
来源:here
微调代码:
!python3 run_clm.py \
--train_file source.txt \
--do_train \
--output_dir gpt-finetuned \
--overwrite_output_dir \
--per_device_train_batch_size 2 \
--model_name_or_path=gpt2 \
--save_steps 100 \
--num_train_epochs=1 \
--block_size=200 \
--tokenizer_name=gpt2
从上面的代码来看,run_clm.py
是huggingface提供的脚本微调 gpt2 以使用自定义数据集进行训练
最佳答案
要从检查点恢复训练,您可以使用 --model_name_or_path
参数。因此,不要提供默认的 gpt2
,而是将其定向到最新的检查点文件夹。
所以你的命令变成:
!python3 run_clm.py \
--train_file source.txt \
--do_train \
--output_dir gpt-finetuned \
--overwrite_output_dir \
--per_device_train_batch_size 2 \
--model_name_or_path=/content/models/checkpoint-5000 \
--save_steps 100 \
--num_train_epochs=1 \
--block_size=200 \
--tokenizer_name=gpt2
关于python - Huggingface Transformer - GPT2 从保存的检查点恢复训练,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65529156/