Bert文本对分类训练 (BertTextPairClassifierTrainBatchOp)

Java 类名：com.alibaba.alink.operator.batch.classification.BertTextPairClassifierTrainBatchOp
Python 类名：BertTextPairClassifierTrainBatchOp

功能介绍

在预训练的 BERT 模型的基础上增加一个全连接层，用于进行文本对分类任务。

参数说明

| 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 | | —- | —- | —- | —- | —- | —- | —- |

| labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | | |

| textCol | 文本列 | 文本列 | String | ✓ | 所选列类型为 [STRING] | |

| textPairCol | 文本对列 | 文本对列 | String | ✓ | 所选列类型为 [STRING] | |

| batchSize | 数据批大小 | 数据批大小 | Integer | | | 32 |

| bertModelName | BERT模型名字 | BERT模型名字： Base-Chinese,Base-Multilingual-Cased,Base-Uncased,Base-Cased | String | | | “Base-Chinese” |

| checkpointFilePath | 保存 checkpoint 的路径 | 用于保存中间结果的路径，将作为 TensorFlow 中 Estimator 的 model_dir 传入，需要为所有 worker 都能访问到的目录 | String | | | null |

| customConfigJson | 自定义参数 | 对应 https://github.com/alibaba/EasyTransfer/blob/master/easytransfer/app_zoo/app_config.py 中的config_json | String | | | |

| intraOpParallelism | Op 间并发度 | Op 间并发度 | Integer | | | 4 |

| learningRate | 学习率 | 学习率 | Double | | | 0.001 |

| maxSeqLength | 句子截断长度 | 句子截断长度 | Integer | | | 128 |

| numEpochs | epoch 数 | epoch 数 | Double | | | 0.01 |

| numFineTunedLayers | 微调层数 | 微调层数 | Integer | | | 1 |

| numPSs | PS 角色数 | PS 角色的数量。值未设置时，如果 Worker 角色数也未设置，则为作业总并发度的 1/4（需要取整），否则为总并发度减去 Worker 角色数。 | Integer | | | null |

| numWorkers | Worker 角色数 | Worker 角色的数量。值未设置时，如果 PS 角色数也未设置，则为作业总并发度的 3/4（需要取整），否则为总并发度减去 PS 角色数。 | Integer | | | null |

| pythonEnv | Python 环境路径 | Python 环境路径，一般情况下不需要填写。如果是压缩文件，需要解压后得到一个目录，且目录名与压缩文件主文件名一致，可以使用 http://, https://, oss://, hdfs:// 等路径；如果是目录，那么只能使用本地路径，即 file://。 | String | | | “” |

| removeCheckpointBeforeTraining | 是否在训练前移除 checkpoint 相关文件 | 是否在训练前移除 checkpoint 相关文件用于重新训练，只会删除必要的文件 | Boolean | | | null |

代码示例

以下代码仅用于示意，可能需要修改部分代码或者配置环境后才能正常运行！

Python 代码

url = "http://alink-algo-packages.oss-cn-hangzhou-zmf.aliyuncs.com/data/MRPC/train.tsv"
schemaStr = "f_quality bigint, f_id_1 string, f_id_2 string, f_string_1 string, f_string_2 string"
data = CsvSourceBatchOp() \
    .setFilePath(url) \
    .setSchemaStr(schemaStr) \
    .setFieldDelimiter("\t") \
    .setIgnoreFirstLine(True) \
    .setQuoteChar(None)
data = ShuffleBatchOp().linkFrom(data)
train = BertTextPairClassifierTrainBatchOp() \
    .setTextCol("f_string_1").setTextPairCol("f_string_2").setLabelCol("f_quality") \
    .setNumEpochs(0.1) \
    .setMaxSeqLength(32) \
    .setNumFineTunedLayers(1) \
    .setBertModelName("Base-Uncased") \
    .linkFrom(data)
AkSinkBatchOp() \
    .setFilePath("/tmp/bert_text_pair_classifier_model.ak") \
    .setOverwriteSink(True) \
    .linkFrom(train)
BatchOperator.execute()

Java 代码

import com.alibaba.alink.common.utils.JsonConverter;
import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.classification.BertTextPairClassifierTrainBatchOp;
import com.alibaba.alink.operator.batch.dataproc.ShuffleBatchOp;
import com.alibaba.alink.operator.batch.sink.AkSinkBatchOp;
import com.alibaba.alink.operator.batch.source.CsvSourceBatchOp;
import com.google.common.collect.ImmutableMap;
import org.junit.Test;
import java.util.HashMap;
import java.util.Map;
public class BertTextPairClassifierTrainBatchOpTest {
    @Test
    public void testBertTextPairClassifierTrainBatchOp() throws Exception {
        String url = "http://alink-algo-packages.oss-cn-hangzhou-zmf.aliyuncs.com/data/MRPC/train.tsv";
        String schemaStr = "f_quality bigint, f_id_1 string, f_id_2 string, f_string_1 string, f_string_2 string";
        BatchOperator <?> data = new CsvSourceBatchOp()
            .setFilePath(url)
            .setSchemaStr(schemaStr)
            .setFieldDelimiter("\t")
            .setIgnoreFirstLine(true)
            .setQuoteChar(null);
        data = new ShuffleBatchOp().linkFrom(data);
        Map <String, Map <String, Object>> customConfig = new HashMap <>();
        customConfig.put("train_config", ImmutableMap.of("optimizer_config", ImmutableMap.of("learning_rate", 0.01)));
        BertTextPairClassifierTrainBatchOp train = new BertTextPairClassifierTrainBatchOp()
            .setTextCol("f_string_1").setTextPairCol("f_string_2").setLabelCol("f_quality")
            .setNumEpochs(0.1)
            .setMaxSeqLength(32)
            .setNumFineTunedLayers(1)
            .setCustomJsonJson(JsonConverter.toJson(customConfig))
            .setBertModelName("Base-Uncased")
            .linkFrom(data);
        new AkSinkBatchOp()
            .setFilePath("/tmp/bert_text_pair_classifier_model.ak")
            .setOverwriteSink(true)
            .linkFrom(train);
        BatchOperator.execute();
    }
}