BERT模型fine-tuning

Preface：fine-tuning到底是什么？
在预训练模型层上添加新的网络层，然后预训练层和新网络层联合训练。
文本分类的例子最典型了，最后加一个Dense层，把输出维度降至类别数，再进行sigmoid或softmax。
比如命名实体识别，在外面添加BiLSTM+CRF层，就成了BERT+BiLSTM+CRF模型。
这个例子可能不太典型，因为还是加了繁重的网络结构。
做多分类和多标签分类时，只需要用到以下四个文件。
├── tokenization.py # 所需文件四：用于文本预处理（分字）的文件
├── modeling.py # 所需文件一：BERT的网络模型文件
├── optimization.py # 所需要文件二：优化器文件
├── run_classifier.py # 所需文件三：模型的fine-tuning文件
需要修改的文件：run_classifier.py。
按模型的输入格式处理数据和导入数据，在预训练层加下游任务，修改评估函数和输出结果等。

└── chinese_L-12_H-768_A-12
    ├── bert_config.json                     # BERT 的配置文件
    ├── bert_model.ckpt.data-00000-of-00001  # 预训练的模型
    ├── bert_model.ckpt.index
    ├── bert_model.ckpt.meta                
    └── vocab.txt                            # BERT字粒度的词表

#词汇表 vocab.txt 解读
词汇表中共有21128行，编号从0开始，编号1-99的为unused字符串。[CLS]在102行，id为101；[SEP]在103行，id为102。

├── bert                                        # 需要用到的 BERT 文件
│   ├── __init__.py
│   ├── modeling.py
│   ├── optimization.py
│   ├── run_classifier.py
│   └── tokenization.py
├── config.py                                   # 参数配置
├── data_processor.py                           # 对样本做拆字
├── **metrics.py                                  # 自定义 f1，precision和recall**
├── pretrained_model                            # 预训练的中文BERT模型
│   └── chinese_L-12_H-768_A-12
│       ├── bert_config.json
│       ├── bert_model.ckpt.data-00000-of-00001
│       ├── bert_model.ckpt.index
│       ├── bert_model.ckpt.meta
│       └── vocab.txt
├── run_classifier.py                           # 定义下游任务并做训练、验证和预测脚本
├── run.sh                                      # 执行的shell脚本
└── run_test.py                                 # 模型测试脚本

 

#**修改模型**，在预训练层外面增加一个dense层，做softmax/sigmoid变换
#**create_model这个函数是最关键的**
def create_model(bert_config, is_training, input_ids, input_mask, segment_ids,
                 labels, num_labels, use_one_hot_embeddings):
#**修改模型评估函数**，增加F1值、precision和recall 
def model_fn_builder(bert_config, num_labels, init_checkpoint, learning_rate,
                     num_train_steps, num_warmup_steps, use_tpu,
                     use_one_hot_embeddings):

前方高能，避免踩大坑：
一是对于多分类任务，不能根据值大于0.5这个判断条件，来得到索引，而是根据是否为最大值。
值大于0.5，来得到索引，适用于二分类和多标签分类。

predictions = tf.argmax(logits, axis=-1, output_type=tf.int32)

二是用 np.argmax() 来得到索引，而不能用 tf.argmax()，否则会报错（好像也行！？）。
报错的意思是：计算图已经构建结束了，不能再调整计算图。
我的理解是，这个probabilities已经是numpy的格式，而不是tensorflow的格式，如果再用 tensorflow 的函数，那就会调整计算图。这是不允许的。

一、多标签多分类 VS 多分类任务
**
针对多标签多分类任务（Multi-label classification task），微调模型时的最后一层全连接层输出需要使用的是sigmoid转换。

而对于多分类任务（Multi-class classification task），则只需要进行softmax变换即可。
softmax适用于多分类问题中对每一个类别的概率判断。
小结：
如果模型输出为非互斥类别，且可以同时选择多个类别，则采用Sigmoid函数计算该网络的原始输出值。
如果模型输出为互斥类别，且只能选择一个类别，则采用Softmax函数计算该网络的原始输出值。

二、如何让BERT模型输出precision、recall、F1-score等指标
1、对于多分类任务：修改run_classifier.py中的代码如下

def metric_fn(per_example_loss, label_ids, logits, is_real_example):
        predictions = tf.argmax(logits, axis=-1, output_type=tf.int32)
        accuracy = tf.metrics.accuracy(
            labels=label_ids, predictions=predictions, weights=is_real_example)
        loss = tf.metrics.mean(values=per_example_loss, weights=is_real_example)
        auc = tf.metrics.auc(labels=label_ids, predictions=predictions, weights=is_real_example)
        precision = tf.metrics.precision(labels=label_ids, predictions=predictions, weights=is_real_example)
        recall = tf.metrics.recall(labels=label_ids, predictions=predictions, weights=is_real_example)
        return {
            "eval_accuracy": accuracy,
            "eval_loss": loss,
            'eval_auc': auc,
            'eval_precision': precision,
            'eval_recall': recall,
        }

2、对于多标签多分类任务：

三、除了直接基于预训练模型的获得词向量，如何基于微调训练获得词向量？
1.基于预训练模型直接获得768维的词向量
该方法简单，但是后期任务的效果很差，至少不会好！
直接基于肖涵博士的***bert-as-service***获得词向量。
准备工作：
安装bert服务端：pip install bert-serving-server
安装bert服务客户端：pip install bert-serving-client
在命令行输入： bert-serving-start -model_dir E:/chinese_L-12_H-768_A-12
-num_worker=2（训练好的中文预模型路径，num_worker的数量表示最高处理来自2个客户端的并发请求），如果成功开启则出现以下界面。

from bert_serving.client import BertClient
bc = BertClient()
a=bc.encode(['浙江投融界科技有限公司#服务：计算机软硬件、网络信息技术的技术开发、技术咨询、技术服务、成果转让，第二类增值电信业务中的信息服务业务（仅限互联网信息服务），计算机系统集成，实业投资、投资管理、投资咨询（以上项目除证券、期>货，未经金融等监管部门批准，不得从事向公众融资存款、融资担保、代客理财等金融服务），企业管理咨询，市场营销策划，网页>设计，承接网络工程（涉及资质证凭证经营），会展服务，经济信息咨询、商务信息咨询（除中介），设计、制作国内广告；其他无>需报经审批的一切合法项目。（依法须经批准的项目，经相关部门批准后方可开展经营活动）'])
print(a)
print(len(a[0]))

具体可参考：https://github.com/hanxiao/bert-as-service（肖涵博士Github）
2.基于run_classifier.py微调模型获得768维的词向量
只需修改run_classifier.py中的fine-tuning代码，从而输出相应的经微调训练之后的词向量。
该方法稍微有点耗时耗资源，但是后期任务的效果较好，至少不会很差！

def create_model(bert_config, is_training, input_ids, input_mask, segment_ids,
                 labels, num_labels, use_one_hot_embeddings):
    """Creates a classification model."""
    model = modeling.BertModel(
        config=bert_config,
        is_training=is_training,
        input_ids=input_ids,
        input_mask=input_mask,
        token_type_ids=segment_ids,
        use_one_hot_embeddings=use_one_hot_embeddings)
        
    output_layer = model.get_pooled_output()     #分类任务的768维词向量
    hidden_size = output_layer.shape[-1].value # 768
    output_weights = tf.get_variable(
        "output_weights", [num_labels, hidden_size],
        initializer=tf.truncated_normal_initializer(stddev=0.02))
    output_bias = tf.get_variable(
        "output_bias", [num_labels], initializer=tf.zeros_initializer())
    with tf.variable_scope("loss"):
        if is_training:
            output_layer = tf.nn.dropout(output_layer, keep_prob=0.9)
        logits = tf.matmul(output_layer, output_weights, transpose_b=True)
        logits = tf.nn.bias_add(logits, output_bias)
        #probabilities是由输出向量经sigmoid变换得到的
        #多分类问题，但是每个样本只属于一个类别，softmax交叉熵算出来的是一个值
        #多分类问题，且一个样本可以同时拥有多个标签，一个样本会在每个类别上有一个交叉熵,使用tf.sigmoid(与tf.nn.sigmoid相同，但最好用tf.sigmoid)
        probabilities = tf.sigmoid(logits)
        label_ids = tf.cast(labels, tf.float32)
        per_example_loss = tf.reduce_sum(
            tf.nn.sigmoid_cross_entropy_with_logits(logits=logits, labels=label_ids), axis=-1)  #logits和labels必须有相同的类型和大小
        loss = tf.reduce_mean(per_example_loss)
        
#         probabilities = tf.nn.softmax(logits, axis=-1)
#         log_probs = tf.nn.log_softmax(logits, axis=-1)

#         one_hot_labels = tf.one_hot(labels, depth=num_labels, dtype=tf.float32)

#         per_example_loss = -tf.reduce_sum(one_hot_labels * log_probs, axis=-1)
#         loss = tf.reduce_mean(per_example_loss)

        return (loss, per_example_loss, logits, probabilities, output_layer)  #只需在return中增加output_layer即可。

 

def model_fn_builder(bert_config, num_labels, init_checkpoint, learning_rate,
                     num_train_steps, num_warmup_steps, use_tpu,
                     use_one_hot_embeddings):
    """Returns `model_fn` closure for TPUEstimator."""

    def model_fn(features, labels, mode, params):  # pylint: disable=unused-argument
        """The `model_fn` for TPUEstimator."""

        tf.logging.info("*** Features ***")
        for name in sorted(features.keys()):
            tf.logging.info("  name = %s, shape = %s" % (name, features[name].shape))

        input_ids = features["input_ids"]
        input_mask = features["input_mask"]
        segment_ids = features["segment_ids"]
        label_ids = features["label_ids"]

        is_training = (mode == tf.estimator.ModeKeys.TRAIN)
        #此处增加一个output_layer
        (total_loss, per_example_loss, logits, probabilities, ***output_layer***) = create_model(
            bert_config, is_training, input_ids, input_mask, segment_ids, label_ids,
            num_labels, use_one_hot_embeddings)

        tvars = tf.trainable_variables()

        scaffold_fn = None
        if init_checkpoint:
            (assignment_map, initialized_variable_names
             ) = modeling.get_assignment_map_from_checkpoint(tvars, init_checkpoint)
            if use_tpu:

                def tpu_scaffold():
                    tf.train.init_from_checkpoint(init_checkpoint, assignment_map)
                    return tf.train.Scaffold()

                scaffold_fn = tpu_scaffold
            else:
                tf.train.init_from_checkpoint(init_checkpoint, assignment_map)

        tf.logging.info("**** Trainable Variables ****")
        for var in tvars:
            init_string = ""
            if var.name in initialized_variable_names:
                init_string = ", *INIT_FROM_CKPT*"
            tf.logging.info("  name = %s, shape = %s%s", var.name, var.shape,
                            init_string)

        output_spec = None
        if mode == tf.estimator.ModeKeys.TRAIN:

            train_op = optimization.create_optimizer(
                total_loss, learning_rate, num_train_steps, num_warmup_steps, use_tpu)

            output_spec = tf.contrib.tpu.TPUEstimatorSpec(
                mode=mode,
                loss=total_loss,
                train_op=train_op,
                scaffold_fn=scaffold_fn)
        elif mode == tf.estimator.ModeKeys.EVAL:

            def metric_fn(per_example_loss, label_ids, probabilities):
                predict_ids = tf.cast(probabilities > 0.5, tf.int32)
                label_ids = tf.cast(label_ids, tf.int32)
                elements_equal = tf.cast(tf.equal(predict_ids, label_ids), tf.int32)   #tf.equal（）：逐个元素判断是否相等
                row_predict_ids = tf.reduce_sum(elements_equal, -1)
                row_label_ids = tf.reduce_sum(tf.ones_like(label_ids), -1)
                accuracy = tf.metrics.accuracy(
                    labels=row_label_ids, predictions=row_predict_ids)
                loss = tf.metrics.mean(per_example_loss)
                
                return {
                         "eval_accuracy": accuracy,
                         "eval_loss": loss,
                         }

            eval_metrics = (metric_fn, [per_example_loss, label_ids, probabilities])
            output_spec = tf.contrib.tpu.TPUEstimatorSpec(
                mode=mode,
                loss=total_loss,
                eval_metrics=eval_metrics,
                scaffold_fn=scaffold_fn)
        else:
            output_spec = tf.contrib.tpu.TPUEstimatorSpec(
                mode=mode,
                predictions={"probabilities": probabilities, ***"output_layer":output_layer***},
                scaffold_fn=scaffold_fn)    #predictions增加"output_layer":output_layer
        return output_spec

    return model_fn

OK，微调后的词向量提取成功！

四、多标签分类任务中，阈值一般真的是设0.5吗？
阈值绝大部分确实是设置为0.5的。
但自己在实际中会遇到一些样本预测的输出向量中的所有“概率”数据都小于0.5，因此这些样本就不会有预测标签。现实中也确实存在这种问题，模型对这部分的样本的确区分不出来，也有可能是因为相应标签对应的样本数很少，在划分数据集时，shuffle之后的trainset数据集中有的标签并未抽取到，因此验证时必定有的标签得不出预测标签。

 

 

BERT模型fine-tuning过程代码实战，以run_classifier.py为例。

BERT官方Github地址：https://github.com/google-research/bert ，其中对BERT模型进行了详细的介绍，更详细的可以查阅原文献：https://arxiv.org/abs/1810.04805 。

BERT本质上是一个两段式的NLP模型。第一个阶段叫做：Pre-training，跟WordEmbedding类似，利用现有无标记的语料训练一个语言模型。第二个阶段叫做：Fine-tuning，利用预训练好的语言模型，完成具体的NLP下游任务。

Google已经投入了大规模的语料和昂贵的机器帮我们完成了Pre-training过程，这里介绍一下不那么expensive的fine-tuning过程。

回到Github中的代码，只有run_classifier.py和run_squad.py是用来做fine-tuning 的，其他的可以暂时先不管。这里使用run_classifier.py进行句子分类任务。

代码解析

从主函数开始，可以发现它指定了必须的参数：

if __name__ == "__main__":
  flags.mark_flag_as_required("data_dir")
  flags.mark_flag_as_required("task_name")
  flags.mark_flag_as_required("vocab_file")
  flags.mark_flag_as_required("bert_config_file")
  flags.mark_flag_as_required("output_dir")
  tf.app.run()

从这些参数出发，可以对run_classifier.py进行探索：

data_dir

指的是我们的输入数据的文件夹路径。查看代码，不难发现，作者给出了输入数据的格式：

class InputExample(object):
  """A single training/test example for simple sequence classification."""

def init(self, guid, text_a, text_b=None, label=None):
“”“Constructs a InputExample.
Args:
guid: Unique id for the example.
text_a: string. The untokenized text of the first sequence. For single
sequence tasks, only this sequence must be specified.
text_b: (Optional) string. The untokenized text of the second sequence.
Only must be specified for sequence pair tasks.
label: (Optional) string. The label of the example. This should be
specified for train and dev examples, but not for test examples.
“””
self.guid = guid
self.text_a = text_a
self.text_b = text_b
self.label = label

可以发现它要求的输入分别是guid, text_a, text_b, label，其中text_b和label为可选参数。例如我们要做的是单个句子的分类任务，那么就不需要输入text_b；另外，在test样本中，我们便不需要输入lable。

task_name

这里的task_name，一开始可能不好理解它是用来做什么的。仔细查看代码可以发现：

  processors = {
      "cola": ColaProcessor,
      "mnli": MnliProcessor,
      "mrpc": MrpcProcessor,
      "xnli": XnliProcessor,
  }

task_name = FLAGS.task_name.lower()

if task_name not in processors:
raise ValueError(“Task not found: %s” % (task_name))

processor = processors[task_name]()

task_name是用来选择processor的。

继续查看processor，这里以“mrpc”为例：

class MrpcProcessor(DataProcessor):
  """Processor for the MRPC data set (GLUE version)."""

def get_train_examples(self, data_dir):
“”“See base class.”""
return self._create_examples(
self._read_tsv(os.path.join(data_dir, “train.tsv”)), “train”)

def get_dev_examples(self, data_dir):
“”“See base class.”""
return self._create_examples(
self._read_tsv(os.path.join(data_dir, “dev.tsv”)), “dev”)

def get_test_examples(self, data_dir):
“”“See base class.”""
return self._create_examples(
self._read_tsv(os.path.join(data_dir, “test.tsv”)), “test”)

def get_labels(self):
“”“See base class.”""
return [“0”, “1”]

def _create_examples(self, lines, set_type):
“”“Creates examples for the training and dev sets.”""
examples = []
for (i, line) in enumerate(lines):
if i 0:
continue
guid = “%s-%s” % (set_type, i)
text_a = tokenization.convert_to_unicode(line[3])
text_b = tokenization.convert_to_unicode(line[4])
if set_type “test”:
label = “0”
else:
label = tokenization.convert_to_unicode(line[0])
examples.append(
InputExample(guid=guid, text_a=text_a, text_b=text_b, label=label))
return examples

可以发现这个processor就是用来对data_dir中输入的数据进行预处理的。
同时也能发现，在data_dir中我们需要将数据处理成.tsv格式，训练集、开发集和测试集分别是train.tsv, dev.tsv, test.tsv，这里我们暂时只使用train.tsv和dev.tsv。另外，label在get_labels()设定，如果是二分类，则将label设定为[“0”,”1”]，同时_create_examples()中，给定了如何获取guid以及如何给text_a, text_b和label赋值。

到这里，似乎已经明白了什么。对于这个fine-tuning过程，我们要做的只是：

• 准备好一个12G显存左右的GPU，没有也不用担心，可以使用谷歌免费的GPU

• 准备好train.tsv, dev.tsv以及test.tsv

• 新建一个跟自己task_name对应的processor，用于将train.tsv、dev.tsv以及test.tsv中的数据提取出来赋给text_a, text_b, label

• 下载好Pre-training模型，设定好相关参数，run就完事了

“vocab_file”, "bert_config_file"以及"output_dir"很好理解，分别是BERT预训练模型的路径和fine-tuning过程输出的路径

fine-tuning实践

准备好train.tsv, dev.tsv以及test.tsv

tsv，看上去怪怪的。其实好像跟csv没有多大区别，反正把后缀改一改就完事。这里我要做的是一个4分类，示例在下面：

train.tsv: （标签+’\t’+句子）

dev.tsv:（标签+’\t’+句子）

test.tsv:（句子）

新建processor

这里我将自己的句子分类任务命名为”bert_move”：

processors = {
      "cola": ColaProcessor,
      "mnli": MnliProcessor,
      "mrpc": MrpcProcessor,
      "xnli": XnliProcessor,
      "bert_move": MoveProcessor
  }

然后仿照MrpcProcessor创建自己的MoveProcessor：

class MoveProcessor(DataProcessor):
  """Processor for the move data set ."""

def get_train_examples(self, data_dir):
“”“See base class.”""
return self._create_examples(
self._read_tsv(os.path.join(data_dir, “train.tsv”)), “train”)

def get_dev_examples(self, data_dir):
“”“See base class.”""
return self._create_examples(
self._read_tsv(os.path.join(data_dir, “dev.tsv”)), “dev”)

def get_test_examples(self, data_dir):
“”“See base class.”""
return self._create_examples(
self._read_tsv(os.path.join(data_dir, “test.tsv”)), “test”)

def get_labels(self):
“”“See base class.”""
return [“0”, “1”, “2”, “3”]

def _create_examples(self, lines, set_type):
“”“Creates examples for the training and dev sets.”""
examples = []
for (i, line) in enumerate(lines):
guid = “%s-%s” % (set_type, i)
if set_type == “test”:
text_a = tokenization.convert_to_unicode(line[0])
label = “0”
else:
text_a = tokenization.convert_to_unicode(line[1])
label = tokenization.convert_to_unicode(line[0])
examples.append(
InputExample(guid=guid, text_a=text_a, text_b=None, label=label))
return examples

其中，主要修改的是:

• get_labels()中设置4分类的标签[‘0’, ‘1’, ‘2’,’ 3’]
• _create_examples()中提取文本赋给text_a和label，并做一个判断，当文件名是test.tsv时，只赋给text_a，label直接给0
• guid则为自动生成

设定参数，运行fine-tuning

相关的参数可以直接在run_classifier.py中一开始的flags里面直接做修改，然后运行就行。但是又研究了一下Github里面设置参数的方式：

python run_classifier.py \
  --task_name=MRPC \
  --do_train=true \
  --do_eval=true \
  --data_dir=$GLUE_DIR/MRPC \
  --vocab_file=$BERT_BASE_DIR/vocab.txt \
  --bert_config_file=$BERT_BASE_DIR/bert_config.json \
  --init_checkpoint=$BERT_BASE_DIR/bert_model.ckpt \
  --max_seq_length=128 \
  --train_batch_size=32 \
  --learning_rate=2e-5 \
  --num_train_epochs=3.0 \
  --output_dir=/tmp/mrpc_output/

对其中的一些参数做一些解释：

• do_train, do_eval和do_test至少要有一个是True，一般做fine-tuning训练时，将do_train和do_eval设置为True，do_test设置为False(默认)，当模型都训练好了，就可以只将do_test设置为True，将会自动调用保存在output_dir中已经训练好的模型，进行测试。
• max_seq_length、train_batch_size可以根据自己的设备情况适当调整，目前默认的参数在GTX 1080Ti 以及谷歌Colab提供的免费GPU Tesla K80中经过测试，完美运行。
• 关于预训练模型，官方给出了两种模型，Large和Base，具体可以看Github介绍以及论文，目前上面的两种设备经过多次测试，只能支持Base模型，Large模型显然需要更大显存的机器（TPU）。