首页
/ DeepKE项目中Lora微调Baichuan模型的信息抽取实践

DeepKE项目中Lora微调Baichuan模型的信息抽取实践

2025-06-17 04:48:25作者:丁柯新Fawn

模型加载问题分析

在DeepKE项目中使用Lora微调Baichuan模型进行信息抽取任务时,开发者可能会遇到模型加载配置问题。当尝试加载预训练的baichuan2-13b-iepile-lora模型时,系统提示缺少config.json配置文件。这实际上是模型路径配置不当导致的常见问题。

正确的做法是:model_name_or_path参数应该指向底座模型Baichuan2-13B-Chat,而不是直接指向Lora适配器。Lora适配器的路径应通过checkpoint_dir参数指定。这种设计是因为Lora微调是在基础模型上添加小型适配层,而非创建完整的新模型。

量化配置冲突解决

在调整模型路径后,开发者可能会遇到另一个典型错误:量化配置冲突。系统提示不能同时传递load_in_4bit/load_in_8bit和quantization_config参数。这是因为在模型量化配置中存在重复设置。

解决此问题需要确保开发环境与项目要求一致。DeepKE项目推荐使用以下版本组合:

  • accelerate 0.21.0
  • transformers 4.33.0
  • bitsandbytes 0.39.1

信息抽取模型评估实践

对于信息抽取任务的评估,项目提供了标准化的评估流程:

  1. 数据准备阶段需要按照特定格式组织测试文件,包括样本数据和模式信息。测试数据应包含id、instruction和label三个关键字段。

  2. 数据转换阶段使用专用脚本将原始样本转换为模型可接受的输入格式。转换过程需要考虑任务类型(如NER)、语言类型和测试集划分等因素。

  3. 模型预测阶段将处理后的测试数据输入模型,获取模型输出的预测结果。

  4. 评估阶段通过专用评估脚本计算F1分数等关键指标。评估过程会统计预测实体数(pred_num)和标注实体数(gold_num),并基于这些基础数据计算精确率、召回率和F1值。

评估指标解析

在命名实体识别(NER)任务中,评估指标基于以下概念:

  • 真正例(TP):模型正确识别的实体
  • 假正例(FP):模型错误识别的非实体
  • 假负例(FN):模型未能识别的实际实体

评估脚本会计算精确率(Precision=TP/(TP+FP))、召回率(Recall=TP/(TP+FN)),并最终得出F1分数(2PrecisionRecall/(Precision+Recall))作为模型性能的综合评价指标。

通过这套标准化的训练、预测和评估流程,开发者可以系统性地评估信息抽取模型的性能,并针对性地进行优化调整。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8