如何解决Huggingface BERT SequenceClassification-ValueError:太多值无法解包预期2
两个类别模型的类别标签为0、1、0、0等。只有一个 每个输入序列的标签。标签在python列表中设置并转换为 火炬张量(从csv文件读取-直截了当)。
其值:张量(0) 其形状显示为:torch.Size([])
当我创建批次等并在模型(拥抱面序列分类模型)中设置参数时
对于每次批处理迭代,
b_input_ids = batch[0].to(device)
b_input_mask = batch[1].to(device)
b_token_type_ids = batch[2].to(device)
b_labels = batch[3].to(device)
然后设置为模型(作为训练的一部分)
loss,logits = model(b_input_ids,attention_mask=b_input_mask,token_type_ids=b_token_type_ids,labels=b_labels)
错误消息如下:
ValueError
Traceback (most recent call last)
<ipython-input-17-b3a36df2f659> in <module>()
89 attention_mask=b_input_mask,90 token_type_ids=b_token_type_ids,---> 91 labels=b_labels)
92
93 # Accumulate the training loss over all of the batches so that we can
ValueError: too many values to unpack (expected 2)
这是我几天前能够使用和训练的代码。 (我有一个保存的模型)。 错误消息(我假设为)可能与大小等有关。
有人遇到类似的问题吗?谢谢。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。