Question

一般来说，在我成功地使用Pytorch训练了文本RNN模型之后，使用PytorchText来利用原始源上的数据加载，我想使用来自不同源的其他数据集（某种眨眼测试）进行测试但文字格式相同。

首先，我定义了一个类来处理数据加载。

class Dataset(object):
    def __init__(self, config):
        # init what I need

    def load_data(self, df: pd.DataFrame, *args):
        # implementation below
        # Data format like `(LABEL, TEXT)`

    def load_data_but_error(self, df: pd.DataFrame):
        # implementation below
        # Data format like `(TEXT)`

这里是load_data的详细信息，我加载了成功训练的数据。

TEXT = data.Field(sequential=True, tokenize=tokenizer, lower=True, fix_length=self.config.max_sen_len)
LABEL = data.Field(sequential=False, use_vocab=False)

datafields = [(label_col, LABEL), (data_col, TEXT)]

# split my data to train/test
train_df, test_df = train_test_split(df, test_size=0.33, random_state=random_state)

train_examples = [data.Example.fromlist(i, datafields) for i in train_df.values.tolist()]
train_data = data.Dataset(train_examples, datafields)

# split train to train/val
train_data, val_data = train_data.split(split_ratio=0.8)

# build vocab
TEXT.build_vocab(train_data, vectors=Vectors(w2v_file))
self.word_embeddings = TEXT.vocab.vectors
self.vocab = TEXT.vocab

test_examples = [data.Example.fromlist(i, datafields) for i in test_df.values.tolist()]
test_data = data.Dataset(test_examples, datafields)

self.train_iterator = data.BucketIterator(
            (train_data),
            batch_size=self.config.batch_size,
            sort_key=lambda x: len(x.title),
            repeat=False,
            shuffle=True)

self.val_iterator, self.test_iterator = data.BucketIterator.splits(
    (val_data, test_data),
    batch_size=self.config.batch_size,
    sort_key=lambda x: len(x.title),
    repeat=False,
    shuffle=False)

接下来是我的代码（load_data_but_error），用于加载其他源，但会导致错误

TEXT = data.Field(sequential=True, tokenize=tokenizer, lower=True, fix_length=self.config.max_sen_len)
datafields = [('title', TEXT)]

examples = [data.Example.fromlist(i, datafields) for i in df.values.tolist()]
blink_test = data.Dataset(examples, datafields)

self.blink_test = data.BucketIterator(
    (blink_test),
    batch_size=self.config.batch_size,
    sort_key=lambda x: len(x.title),
    repeat=False,
    shuffle=True)

在执行代码时，我遇到了一个错误AttributeError: 'Field' object has no attribute 'vocab'，该错误在here处有一个问题，但是我不喜欢我的情况，因为我在load_data那里求助，我想将其用于眨眼测试。

我的问题是，使用经过训练的PyTorch模型加载和馈送新数据以测试当前模型的正确方法是什么？

Answer 1

我需要的是

通过分配给类变量将TEXT保留在load_data中并在load_data_but_error中重用
在train=True函数上将data.BucketIterator添加到对象load_data_but_error

Answer 2

不太确定，但是考虑到您已经重新定义了TEXT，您将不得不再次为字段TEXT显式创建vocab。可以按照以下步骤进行操作：

TEXT.build_vocab(examples, min_freq = 2)

仅当该词在数据集examples中至少出现两次，您才能根据需要对其进行更改。

您可以在https://torchtext.readthedocs.io/en/latest/data.html#torchtext.data.Field.build_vocab阅读有关build_vocab方法的信息。

如何从火车Pytorch和PytorchText模型进行预测？

2 个答案: