创建model的方法

automodel创建预训练模型

1. 使用automodel直接创建，使用的是hug face官网上的预训练好的模型参数，完成创建后再使用自己本地的数据集进行迁移训练

1. automodel api 去官网上下载用户指定类型模型的config file 和model file，config说明了如何创建模型，model包括该模型的参数。

2. automodel api首先根据config去创建model类，再实例化model并随机初始化其参数

3. 最后采用model file里面的参数来修改model 实例

2. 代码:

import transformersmodel = AutoModel.from_pretrained("bert-base-uncased") 

3. config的样子：它是创建模型的蓝图

autoconfig创建初始化模型

1. autoconfig api 直接去官网下载相应的模型的config file，并且按照该标准初始化一个config class，使用该config class可以实例化一个模型，但此时模型是随机初始化的，需要用户自己找大量数据去从头开始训练，很麻烦、不环保

2. 代码:

import Transformersmy_config = AutoConfig.from_pretrained("bert-base-uncased")
model = AutoModel(my_config)

3. 使用特定类创建模型，不推荐这样做，因为实际做项目的时候总是换各种模型，还是推荐用auto api

from Transformers import BertConfigmy_config = BertConfig.from_pretrained("bert-base")
model = BertModel(my_config)

4. 在创建模型的时候还可以自己修改参数:

import Transformersmy_config = BertConfig.from_pretrained("bert-base")
# my_config = BertConfig()model = BertModel(my_config, num_hidden_layers=10)

保存model的方法

from Transformers import BertConfigmy_config = BertConfig.from_pretrained("bert-base")
model = BertModel(my_config)# training model# 保存模型
model.save_pretrained("directory_on_my_computer")# 重新加载自己训练的模型
model2 = BertModel.from_pretrained("directory_on_my_computer")

在directory_on_my_computer文件夹下有这两个文件：

1. config.json

2. pytorch_model.bin