l-i-p-f

> 你好，我在运行示例的时候遇到以下错误， paddle版本：2.0.0rc pgl版本：1.2.1 ---------------------------------------------------------------------------AttributeError Traceback (most recent call last) in 11 inputs = L.data("inputs", [2], False, 'int64') 12 ---> 13 gw = BatchGraphWrapper(num_nodes, num_edges, edges, {"term_ids": node_feat}) 14 outputs...

同问，知识来源是网络上的资料？是自己做的知识抽取吗？怎么保证质量的呢？

说明模型参数变化不大，多训练几个epoch，P R F值会上升的。而且也不是没有变化，如果多打印几位小数，应该会看到P R F值每个epoch会有微小的差别。

Same error, ``` self.sp_model.Load(sp_model_path) File "/Users/lipf/anaconda3/lib/python3.7/site-packages/sentencepiece/__init__.py", line 367, in Load return self.LoadFromFile(model_file) File "/Users/lipf/anaconda3/lib/python3.7/site-packages/sentencepiece/__init__.py", line 171, in LoadFromFile return _sentencepiece.SentencePieceProcessor_LoadFromFile(self, arg) TypeError: not a string ```

> Same error, > > ``` > self.sp_model.Load(sp_model_path) > File "/Users/lipf/anaconda3/lib/python3.7/site-packages/sentencepiece/__init__.py", line 367, in Load > return self.LoadFromFile(model_file) > File "/Users/lipf/anaconda3/lib/python3.7/site-packages/sentencepiece/__init__.py", line 171, in LoadFromFile > return _sentencepiece.SentencePieceProcessor_LoadFromFile(self, arg) >...

可以在训练启动的时候通过`CUDA_VISIBLE_DEVICES`参数指定，可以指定单卡或多卡，如： ```CUDA_VISIBLE_DEVICES=5,6,7 python train.py```

> 可以在训练启动的时候通过`CUDA_VISIBLE_DEVICES`参数指定，可以指定单卡或多卡，如： > > `CUDA_VISIBLE_DEVICES=5,6,7 python train.py` 单卡可以用上面的方式。 但多卡训练，上面方式能启动，但好像没有真正的多卡并行，因为想优化配置参数，但显存占用及需要的训练耗时没有变化。 改用`deepspeed`，相同的训练数据量，优化配置参数，耗时从需要182h下降到48h。 ``` deepspeed --include=localhost:5,6,7 train.py ```