运行别人论文代码时出现错误

Question

在复现论文Consistency enhancement of model prediction on
document-level named entity recognition的源代码，按照它的readme文件运行，然后到training and refernce 那一块儿(如下图)

运行之后出现下面两张显示的错误

然后makefile 文件它下面那图那样

makefile 下面部分

Answer 1

引自免费微信小程序：皆我百晓生

看起来你在尝试复现一篇关于文档级命名实体识别（Document-Level Named Entity Recognition, Doc-NER）的论文，并且遇到了一些问题。首先，让我们解决Makefile中的错误。

根据错误信息Makefile: 26: recipe for target 'run-ner' failed make : *** [ run-ner ] Error 49，这表明Makefile中的某个命令执行失败了。Makefile是一种自动化构建工具，用于管理编译过程。为了解决这个问题，我们需要查看Makefile中第26行及其上下文，找到出错的命令。

从提供的Makefile片段来看，似乎缺少了完整的指令来调用训练脚本。 Makefile通常会定义规则（recipes），以便通过简单的命令（如make run-ner）执行复杂的操作。为了修复这个错误，你需要确保Makefile包含一个调用run_ner.py的正确命令，将所需的参数传递给它。这里是一个可能的修复：

run-ner:
    CUDA_VISIBLE_DEVICES=$(CUDA) \
    CUDA_LAUNCH_BLOCKING=1 \
    CUDA_DEVICE_ORDER=PCI_BUS_ID \
    python $(TRAINING_ROOT)/run_ner.py \
        --train_dir $(DATA_DIR)/$(DATA_NAME)/from_rawdata/ \
        --eval_dir $(DATA_DIR)/$(DATA_NAME)/from_rawdata/ \
        --model_type $(MODEL_TYPE) \
        --model_name_or_path $(MODEL_NAME) \
        --learning_rate $(LR) \
        --weight_decay $(WEIGHT_DECAY) \
        --adam_epsilon $(ADAM_EPS) \
        --adam_beta1 $(ADAM_BETA1) \
        --adam_beta2 $(ADAM_BETA2) \
        --num_train_epochs $(EPOCH) \
        --warmup_steps $(WARMUP) \
        --output_dir $(SAVE_DIR)/$(DATA_NAME)/$(LM)_EP$(EPOCH)_LR$(LR)_ML$(MAX_LENGTH)_WM$(WARMUP)_$(DATA_TYPE)_$(run_name) \
        --per_gpu_train_batch_size $(BATCH_SIZE) \
        --per_gpu_eval_batch_size $(BATCH_SIZE) \
        --logging_steps $(LOGGING) \
        --save_steps $(SAVING) \
        --max_seq_length $(MAX_LENGTH) \
        --gradient_accumulation_steps $(GRADIENT_ACCUMULATE) \
        --do_train \
        --do_eval \
        --do_predict \
        --evaluate_during_training \
        --wandb_name $(run_name) \
        --data_type $(DATA_TYPE) \
        --data_name $(DATA_NAME) \
        --overwrite_output_dir

将上述内容添加到Makefile的相应位置，然后运行make run-ner应该可以启动训练。确保你已经下载了预训练模型，并且路径指向正确。此外，检查所有环境变量是否设置正确，特别是CUDA相关设置以及数据目录和模型路径。

如果你仍然遇到问题，请提供更详细的错误输出，以便我能进一步协助你调试。