MixText 使用指南

---

项目概述

MixText 是一个基于半监督学习的文本分类框架，由论文《MixText: Linguistically-Informed Interpolation of Hidden Space for Semi-Supervised Text Classification》提出。该框架利用了特定的数据增强策略（TMix），在隐藏空间中进行文本插值，并通过未标记数据的低熵标签猜测来提升模型性能。项目托管在 GitHub 上，地址为 https://github.com/GT-SALT/MixText。

---

项目目录结构及介绍

MixText 的目录结构清晰地组织了代码和数据资源：

MixText/
│
├── data/                   # 数据相关文件夹，包含原始和预处理后的数据集
│   ├── yahoo_answers_csv/   # 针对Yahoo Answers的数据处理
│   ├── ...                 # 其它数据集文件夹
│   ├── back_translate.ipynb # 使用Jupyter Notebook进行数据回译的示例
│   └── ...                 # 其他数据处理脚本或备份数据
│
├── code/                   # 核心源代码
│   ├── transformers/       # 基于Hugging Face的Transformers库的自定义代码
│   ├── read_data.py        # 读取数据、准备训练集、验证集和测试集的脚本
│   ├── normal_bert.py      # BERT基线模型代码
│   ├── normal_train.py     # 训练BERT基线模型的脚本
│   ├── mixtext.py          # MixText模型核心实现
│   └── train.py            # 模型训练与评估主程序
│
├── LICENSE                 # 开源许可协议
└── README.md               # 项目说明文档

---

启动文件介绍

主要启动文件：train.py

• 作用：train.py 是项目的核心运行脚本，支持训练 MixText 和 TMix 模型。它允许用户通过命令行参数指定不同的设置，如GPU使用、标注样本数、批量大小等，从而进行模型的训练和测试。

• 如何启动： 用户可以通过以下命令启动训练过程，以MixText模型为例：

  python train.py --gpu 0 1 2 3 --n-labeled 10 \
                  --data-path ./data/yahoo_answers_csv/ \
                  --batch-size 4 --batch-size-u 8 --epochs 20 \
                  --lambda-u 1 --T 0.5 --alpha 16 --mix-layers-set 7 9 12 \
                  --lrmain 0.000005 --lrlast 0.0005
  

---

配置文件介绍

注意：虽然直接的配置文件（如.ini或.yaml）在提供的链接中并未明确指出，但项目通过命令行参数实现了高度配置化。

• 命令行参数作为配置： MixText通过命令行参数来配置训练流程，包括但不限于GPU的选择(--gpu)、标注数据的数量(--n-labeled)、数据路径(--data-path)、批量大小(--batch-size, --batch-size-u用于未标注数据)、训练轮次(--epochs)、以及其他模型特异性参数（如混合层设置--mix-layers-set、权重项--lambda-u等）。

• 定制化配置： 用户可以在调用train.py时，根据实际需求调整这些参数，从而实现无需直接编辑配置文件的灵活配置。

---

此文档提供了快速入门MixText所需的基础知识，详细的学习和实验还需参考项目中的具体说明和示例代码。记得在尝试之前确保满足所有必要的软件依赖，例如Python版本、PyTorch、Transformer库等。