labels: ['date', 'project_name', 'project_type', 'construction_unit','implementation_organization', 'project_department', 'project_manager','subcontractor', 'team_leader', 'risk_level','page']  # 类别名称


# Model configuration for selecting the pretrained model and other model-related settings
model_args:
  # 使用的预训练模型的路径，可以是模型名称如 'uie-base' 或者一个自定义路径
  model_name_or_path: "uie-base"

  # 导出推理模型的路径，如果为空，则默认使用训练输出目录下的 'export' 文件夹
  export_model_dir: null

  # 是否使用多语言模型（默认为 false，如果是多语言模型，设为 true）
  multilingual: false

# Data configuration for specifying the paths to the training and validation datasets
data_args:
  # 训练数据的路径，可以是一个文件路径或者包含文本的文件
  train_path: "E:\\workingSpace\\PycharmProjects\\Intention_dev\\uie\\data\\train.json"

  # 验证数据的路径
  dev_path: "E:\\workingSpace\\PycharmProjects\\Intention_dev\\uie\\data\\val.json"

  # 最大序列长度，用于对输入数据进行截断或填充
  max_seq_length: 512

  # 动态最大序列长度，若为空则按标准 max_seq_length，若提供则按 batch 设置不同的最大长度
  dynamic_max_length: [16, 32, 64, 128]  # 可设为不同长度，例如 16、32、64、128 等

# Training configuration for specifying training-related settings
training_args:
  # 训练设备，可以是 'cpu', 'gpu' 或 'npu'
  device: "gpu"

  # 每 10 步输出一次日志
  logging_steps: 10

  # 每 2000 步进行一次评估
  eval_steps: 2000

  # 每 2000 步保存一次模型
  save_steps: 2000

  # 随机种子，确保每次训练的随机性一致
  seed: 1000

  # 输出目录，保存模型和日志
  output_dir: "./output"

  # 每个设备上的训练批大小
  per_device_train_batch_size: 16

  # 每个设备上的评估批大小
  per_device_eval_batch_size: 16

  # 训练轮数
  num_train_epochs: 10

  # 学习率
  learning_rate: 1e-5

  # 是否进行训练
  do_train: true

  # 是否进行评估
  do_eval: true

  # 是否导出推理模型
  do_export: true

  # 是否覆盖输出目录，如果为 true，将清空输出目录并从头开始训练
  overwrite_output_dir: true

  # 是否禁用 TQDM 进度条
  disable_tqdm: false

  # 用于评估最佳模型的指标，可以是 'eval_loss' 或 'eval_f1' 等
  metric_for_best_model: "eval_f1"

  # 训练结束后加载最佳模型
  load_best_model_at_end: true

  # 保留最新的模型检查点的最大数量
  save_total_limit: 3