Huggingface Transformer - GPT2 从保存的检查点恢复训练

问题描述

恢复从 GPT2 实施的 run_clm.py 微调

GPT2 huggingface 是否有参数从保存的检查点恢复训练，而不是从头开始再次训练？假设 python notebook 在训练时崩溃，检查点将被保存，但是当我再次训练模型时，它仍然从头开始训练。

来源：here

微调代码：

!python3 run_clm.py \
    --train_file source.txt \
    --do_train \
    --output_dir gpt-finetuned \
    --overwrite_output_dir \
    --per_device_train_batch_size 2 \
    --model_name_or_path=gpt2 \
    --save_steps 100 \
    --num_train_epochs=1 \
    --block_size=200 \
    --tokenizer_name=gpt2

从上面的代码来看，run_clm.py 是 huggingface 提供的一个脚本，用于微调 gpt2 以使用自定义数据集进行训练

解决方法

要从检查点恢复训练，请使用 --model_name_or_path 参数。因此，您无需提供默认的 gpt2，而是将其定向到最新的检查点文件夹。

所以你的命令变成：

!python3 run_clm.py \
    --train_file source.txt \
    --do_train \
    --output_dir gpt-finetuned \
    --overwrite_output_dir \
    --per_device_train_batch_size 2 \
    --model_name_or_path=/content/models/checkpoint-5000 \
    --save_steps 100 \
    --num_train_epochs=1 \
    --block_size=200 \
    --tokenizer_name=gpt2