编写Bert预测脚本报错

Question

编写Bert预测脚本报错ValueError: model_fn should return an EstimatorSpec.这种情况怎么解决

Answer 1

以下回答参考 皆我百晓生、券券喵儿 等免费微信小程序相关内容作答，并由本人整理回复。

这个问题可能是因为在使用BERT模型进行预测时，您没有正确地定义model_fn函数。model_fn应该返回一个EstimatorSpec对象。

以下是一个简单的示例：

from tensorflow_estimator.python.estimator.canned import classification
from tensorflow_estimator.python.estimator.canned import regression
from tensorflow_estimator.python.estimator.canned import prediction_keys
from tensorflow_estimator.python.estimator.canned import input_fn_context

class MyClassifier(object):
    def __init__(self, model_dir):
        self.model_dir = model_dir
        self._input_fn()

    def _input_fn(self):
        pass

def create_model_fn(model_dir, params):
    def model_fn(features, labels, mode, params):
        # 在这里添加你的逻辑
        predictions = {'probabilities': features['predictions']}
        return tf.estimator.EstimatorSpec(
            mode=mode,
            predictions=predictions)
    return model_fn

在这个例子中，我们创建了一个名为MyClassifier的类，它包含一个初始化方法_input_fn和一个用于创建模型的create_model_fn方法。这个方法将被用于构建您的训练或预测器。

在create_model_fn方法中，您可以根据您的需求添加任何逻辑来生成模型输出。例如，如果您想使用BERT进行预测，您可以在其中添加一些关于如何处理输入特征的逻辑。

然后，在tf.estimator.EstimatorSpec中设置predictions参数，并将其值设置为features['predictions']。这将是模型的输出。

最后，确保在model_fn函数中调用model_fn(features, labels, mode, params)并传入相应的参数。

注意：这只是一个基本的例子，实际的实现可能会更复杂，包括处理数据、调整超参数等。