84 lines
2.6 KiB
YAML
84 lines
2.6 KiB
YAML
labels: ['date', 'project_name', 'project_type', 'construction_unit','implementation_organization', 'project_department', 'project_manager','subcontractor', 'team_leader', 'risk_level','page','operating'] # 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
|