首页
/ Sentence Transformers 训练过程中的参数配置问题解析

Sentence Transformers 训练过程中的参数配置问题解析

2025-05-13 18:55:36作者:盛欣凯Ernestine

问题背景

在使用 Sentence Transformers 进行模型训练时,开发者遇到了一个关于 get_input_embeddings 属性的错误。这个错误通常出现在尝试使用不支持的训练参数配置时。本文将从技术角度分析这一问题,并提供合理的参数配置建议。

错误原因分析

错误信息表明,当调用 trainer.train() 方法时,程序尝试访问 SentenceTransformer 对象不存在的 get_input_embeddings 属性。这实际上是一个深层错误,其根本原因在于:

  1. 参数兼容性问题:Sentence Transformers 的训练器对 Hugging Face Transformers 的某些训练参数支持有限
  2. 参数传递机制:部分参数会被直接传递给底层 Transformers 训练器,但 Sentence Transformers 并未完全实现所有接口

解决方案

通过对比两种参数配置方案,我们可以总结出 Sentence Transformers 训练时的最佳实践:

有效参数配置

train_args = {
    "output_dir": ".",
    "num_train_epochs": 1,
    "per_device_train_batch_size": batch_size,
    "per_device_eval_batch_size": batch_size,
    "gradient_accumulation_steps": accumulation_step,
    "eval_accumulation_steps": 100,  # 解决评估时的内存溢出问题
    "learning_rate": 3e-4,
    "warmup_ratio": 0.1,
    "weight_decay": 0.01,
    "fp16": True,
    "bf16": False,
    "eval_strategy": "steps",
    "eval_steps": eval_step,
    "save_strategy": "steps",
    "save_steps": 100,
    "save_total_limit": 2,
    "logging_steps": log_step,
    "report_to": "tensorboard",
    "load_best_model_at_end": True
}

不推荐使用的参数

以下参数在 Sentence Transformers 中可能导致问题,应避免使用:

  • neftune_noise_alpha
  • remove_unused_columns
  • 直接设置 warmup_steps(推荐使用 warmup_ratio 替代)

技术建议

  1. 混合精度训练:可以安全使用 fp16=True 来减少显存占用并加速训练
  2. 评估优化eval_accumulation_steps 能有效解决评估时的内存溢出问题
  3. 检查点策略:使用 save_strategysave_steps 控制模型保存频率
  4. 学习率调度:推荐使用 warmup_ratio 而非直接设置 warmup_steps,这样能根据总训练步数自动计算热身步数

结论

在使用 Sentence Transformers 进行模型训练时,开发者应当注意参数配置的兼容性。遵循官方推荐的参数设置可以避免类似 get_input_embeddings 这样的底层错误。对于高级训练需求,建议先在小规模数据上测试参数配置的有效性,再扩展到全量数据训练。

通过合理的参数配置,开发者可以充分利用 Sentence Transformers 的强大功能,同时避免因参数不兼容导致的训练中断问题。

登录后查看全文
热门项目推荐
相关项目推荐

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