问题标签 [allennlp]

我希望使用 Allen NLP Interpret 进行集成可视化和显着性映射。在自定义变压器模型上，你能告诉我怎么做吗？

我将 AllenNLP 用于组合分类器（其任务之一是 NER 标记），在设计一些测试时，我遇到了这个疑问：如何访问 AllenNLP 实例的不同字段的值？我想将它们与引入的值进行比较，以确保在预处理中没有丢失任何内容。

我设法使用 到达实例的文本字段instance.__getitem__("text")，但我不知道如何从那里获取值，或者是否直接从 Instance 类中获取更快的值。

我想要做的是assert instance.getValueFromField("text) == training_dataset["text"][0]

我想训练可分解注意力+ELMo；使用我自己的数据集进行演示的SNLI模型。我是 nlp 的新手。在阅读完指南之后，我仍然不知道如何从我自己的由纯文本前提、假设和标签组成的训练集开始。数据格式如下所示。

根据 demo 上的训练命令，我发现它的训练集是https://allennlp.s3.amazonaws.com/datasets/snli/snli_1.0_train.jsonl. 如何使用自己的数据生成这样的训练集？

供参考。我的数据集是这样的：

输入snli_1.0_train.jsonl是这样的：

如果有人能提供帮助，我真的很感激。谢谢。

是否已经可以在 Raspbian 上安装 AllenNLP？我可以在 Windows 10 Python 64 位上安装 AllenNLP，但还不能在 RPi4 上安装。

我已经尝试通过 Miniconda、pip 和 docker 安装 AllenNLP，但没有一个适合我。

参考他们 github 的自述文件：( https://github.com/allenai/allennlp#installation )

我在这个世界上有点新，所以如果有人有一个具有这些规格的工作 allennlp 包：

• Raspbian 10 克星
• aarch64
• 蟒蛇 3.7

并指定步骤，那就太棒了！

是否有任何车轮包已经可用？

我真的很想使用 AllenNLP 的语义角色标签模型（https://demo.allennlp.org/semantic-role-labeling/semantic-role-labeling）但是当我尝试 pip3 install allennlp==1.0.0 allennlp-models ==1.0.0 我明白了：

pip 安装的图像

难道我做错了什么？我已经在 1.6.0 版上安装了 pytorch（script.py 的输出）

任何帮助都是极好的！

祝你有美好的一天

伦纳特

所以问题是，对于使用 AllenNLP 的自动调整（如 optuna），建议的做法是在 jsonnet 脚本中使用对环境变量的引用，然后建立一个研究来修改这些参数。

当值是整数或浮点时，这很好。对于整数，您使用std.parseInt(std.extVar(varname))，对于浮点数，您使用std.parseJson(std.extVar(varname))。

但是如果我想改变，比如我的测试中的优化技术在“adam”、“sparseadam”、“adamax”、adamw”等之间，或者改变我正在使用的 RNN 的类型，似乎并不容易方法来做到这一点。

在这种情况下，您似乎应该能够std.extVar(varname)在不将其包装在parseJson()or中的情况下执行此操作parseInt()，但这会返回错误。有没有其他人遇到过这个问题，你是如何解决的？

除此之外，我正在尝试使用三个不同的字符串参数。这是第一个“bert_vocab”的 jsonnet：

错误信息：

我还尝试了像这里这样的各种“字符串转义函数”（但字符串转义函数都不起作用：

我可以执行以下操作来验证是否设置了 os 环境变量：

os.environ['bert_vocab']返回'bert-base-uncased'

取消了吗？那么如何添加两个数据集来构建词汇？在 allennlp1.0 中，我可以做到

然后一起建立一个词汇，但是为什么allennlp 2.0取消了呢？很抱歉成为 allennlp 的新人

我想计算用 allen-nlp 训练的分类器的 f1 分数。我使用了 allen-nlp 指南中的工作代码，它计算了准确度，而不是 F1，所以我尝试调整代码中的指标。

根据文档，CategoricalAccuracy和FBetaMultiLabelMeasure采用相同的输入。（预测：torch.Tensor形状[batch_size, ..., num_classes]，gold_labels：torch.Tensor形状[batch_size, ...]）

但是由于某种原因，对于 f1-multi-label 指标而言，对于准确性非常有效的输入会导致 RuntimeError。

我将问题浓缩为以下代码片段：

为什么会发生此错误？我在这里想念什么？

感谢您与我们分享您出色的工具。非常出色的工作。

只是一个问题，为什么在线任务演示和本地python库之间的选区解析结果不同？我认为他们两个都是基于这个模型？

例如，输入相同的句子，

他们迅速跑到了声音传来的地方。

（来自学生的作文）。

在线演示给出了结果： (S (NP (PRP They)) (ADVP (RB quickly)) (VBD ran) (PP (IN to) (NP (NP (DT the) (NN place)) (SBAR (WHNP (WDT which)) (S (VP (VBZ is) (NP ***(NN sound)***)))))) (VP (VBD came) (PP (IN from))) (. .))

但是python库版本的结果： (S (NP (PRP They)) (ADVP (RB quickly)) (VBD ran) (PP (IN to) (NP (NP (DT the) (NN place)) (SBAR (WHNP (WDT which)) (S (VP (VBZ is) (NP ***(JJ sound)***)))))) (VP (VBD came) (PP (IN from))) (. .))

似乎在线演示给出了更好的结果。

在学习 AllenNLP 框架（版本 2.0.1）时，我尝试实现来自 https://guide.allennlp.org/training-and-prediction#1 的示例代码。
从 Parquet 文件中读取数据时，我得到：

对于下一行：

我怀疑返回值应该是 AllennlpDataset 但也许我把它弄混了。我做错了什么？

完整代码：

谢谢你的帮助

我正在使用AllenNLP来训练分层注意力网络模型。我的训练数据集包含一个JSON 对象列表（例如，列表中的每个对象都是一个带有键的JSON 对象：= ["text", "label"]。与文本键关联的值是一个列表列表，例如：

我的 DatasetReader 类看起来像：

在我的配置文件中，我有：

我已经尝试（或者）将lazy数据集读取器的参数设置为Trueand False。

• 当设置为True时，模型能够进行训练，但是，我观察到只有一列火车和一个开发实例实际被加载，而我的数据集包含 ~100。
• 当设置为 时False，我已将yield行修改_read为return; 但是，这会导致基本词汇类中的类型错误。我也尝试yield在设置为时保持原样False；在这种情况下，根本没有加载任何实例，并且由于实例集是空的，因此词汇表不会被实例化，并且嵌入类会引发错误。

将不胜感激指针和/或调试提示。