HuggingFace - GPT2托卡器在config.json中的配置

Question

GPT2 finetuned模型被上传到拥抱脸型中以进行推理。

在推理过程中观察到了下面的错误，

无法使用from_pretrained加载令牌程序，请更新其配置:不能为“test 1802/model_1_test”加载令牌程序。确保：“Make 1802/ model _1_test”是“https://huggingface.co/models”中列出的正确的模型标识符，或者“Make 1802/model_1_test”是指向包含相关令牌程序文件的目录的正确路径。

下面是精细拥抱面模型的配置- config.json文件，

{
  "_name_or_path": "gpt2",
  "activation_function": "gelu_new",
  "architectures": [
    "GPT2LMHeadModel"
  ],
  "attn_pdrop": 0.1,
  "bos_token_id": 50256,
  "embd_pdrop": 0.1,
  "eos_token_id": 50256,
  "gradient_checkpointing": false,
  "initializer_range": 0.02,
  "layer_norm_epsilon": 1e-05,
  "model_type": "gpt2",
  "n_ctx": 1024,
  "n_embd": 768,
  "n_head": 12,
  "n_inner": null,
  "n_layer": 12,
  "n_positions": 1024,
  "resid_pdrop": 0.1,
  "summary_activation": null,
  "summary_first_dropout": 0.1,
  "summary_proj_to_labels": true,
  "summary_type": "cls_index",
  "summary_use_proj": true,
  "task_specific_params": {
    "text-generation": {
      "do_sample": true,
      "max_length": 50
    }
  },
  "transformers_version": "4.3.2",
  "use_cache": true,
  "vocab_size": 50257
}

应该像配置GPT2文件中的"model_type": "gpt2"那样配置config.json托卡器吗？

Answer 1

您的存储库不包含创建令牌程序所需的文件。似乎你只上传了你的模型的文件。创建用于训练模型的令牌程序的对象，并使用预培训()保存所需的文件

from transformers import GPT2Tokenizer

t = GPT2Tokenizer.from_pretrained("gpt2")
t.save_pretrained('/SOMEFOLDER/')

输出：

('/SOMEFOLDER/tokenizer_config.json',
 '/SOMEFOLDER/special_tokens_map.json',
 '/SOMEFOLDER/vocab.json',
 '/SOMEFOLDER/merges.txt',
 '/SOMEFOLDER/added_tokens.json')