码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • torch加载glove预训练的embedding


    pytorch和torchtext的版本要对应起来:

    https://blog.csdn.net/qq_42363032/article/details/126929995?spm=1001.2014.3001.5501

    glove预训练的emb向量下载:

    https://blog.csdn.net/weixin_44912159/article/details/105538891

    先下载词典golve,可以选择的维度有50,100,200,300。我这里选的300:

    在这里插入图片描述

    # cache_dir是保存golve词典的缓存路径
    cache_dir = './data/'
    
    # dim是embedding的维度
    glove = vocab.GloVe(name='840B', dim=300, cache=cache_dir)
    
    # 可以打印下来看一下维度
    print(glove.vectors.size())
    # torch.Size([2196017, 300])
    

    nn.embedding的时候预加载即可:

    self.glove_emb = nn.Embedding.from_pretrained(glove, freeze=False)
    

    但是实际使用的时候会和torchtext一起,更方便,类似于:

    word_field = Field(tokenize='spacy', lower=True, include_lengths=True, fix_length=tcfig.pad_size, tokenizer_language='en_core_web_sm')
    label_field = LabelField(dtype=torch.long)
    
    def sst_word_char(path, word_field, label_field, batch_size, device, word_emb_file, cache_dir):
    
        fields = {
            'text': ('text_word', word_field),
            'label': ('label', label_field)
        }
    
        # splits方法可以为多个数据集直接创建Dataset,以json的形式创建]
        # THUCNews
        train, dev = TabularDataset.splits(path=path, train='train_demo.jsonl', validation='val_demo.jsonl', format='json', skip_header=True, fields=fields)
    
        # 建立词汇表
        word_vectors = vocab.Vectors(word_emb_file, cache_dir)
    
        word_field.build_vocab(train, dev, max_size=25000, vectors=word_vectors, unk_init=torch.Tensor.normal_)
    
        label_field.build_vocab(train, dev)
    
        train_iter, dev_iter = BucketIterator.splits(
            (train, dev), batch_sizes=(batch_size, len(dev)), sort_key=lambda x: len(x.text_word),
            sort_within_batch=True, repeat=False, shuffle=True, device=device
        )
    
        return train_iter, dev_iter
    
    train_loader, val_loader = sst_word_char(
        tcfig.data_dir, word_field, label_field, tcfig.batch_size, device,
        tcfig.glove_word_file, tcfig.cache_path)
    
    word_embeddings = word_field.vocab.vectors
    print('---', word_embeddings.shape)
    
    # ----------
    
    for batch, batch_data in enumerate(train_loader):
    	text_word, y = batch_data.text_word, batch_data.label
        pred_probs = net(text_word)
    

    https://blog.csdn.net/cskywit/article/details/93407830

    https://blog.csdn.net/sinat_26917383/article/details/83029140

  • 相关阅读:
    java计算机毕业设计ssm+vue企业后勤订餐管理系统
    IB-MYP课程知道为什么这么难吗?从课程讲起
    Linux 监控网络流量
    树状数组实战
    孩子的努力,你看的见吗?
    MATLAB算法实战应用案例精讲-【数模应用】小批量梯度下降(MBGD)(附Python和MATLAB代码)
    打造“共富果园” 广东乳源推动茶油全产业链高质量发展
    2022年国赛数学建模思路及参考代码提前预约
    Hdoop学习笔记(HDP)-Part.19 安装Kafka
    人类小脑内在组织背后的基因图谱
  • 原文地址:https://blog.csdn.net/qq_42363032/article/details/126954614
  • 最新文章
  • 沪漂五周年了:我越来越迷茫了
    Agentic Skill Routing 实战:别再把所有 Skill 塞进 AI Agent 上下文
    MySQL-Seconds_behind_master的精度误差
    [MAF预定义ChatClient中间件-03]CachingChatClient——利用缓存省钱省时间
    AI的至暗历史:从万众期待到被政府撤资,AI的两次死亡徘徊
    Agent OS :五种驯服不确定性的范式
    PortSwigger SQL注入LAB11
    数据库即时编译JIT
    [Begin]AI Learn Data Day 0
    深度学习进阶(二十七)现代 LLM 的核心架构设计其二:SwiGLU
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
小工具 小游戏
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1

京公网安备 11010502049817号