quke

前面没对batch中的句子做补零，在取到batch之后，用batch中的第一个句子的长度作为最大长度 对batch内的剩余句子进行补零，所以排序是有用的

是不是网络有点问题啊，是第一次运行吧，正常应该是去下ernie-1.0的权重了，是不是卡在这了

不好意思，因为lstm和bert系列模型还是稍微有点区别，融进一起写有点麻烦，暂时没有加lstm的打算， 可以看看其他人的实现 @OneFly0316

不好意思，是我代码改的有点问题，导包错误,回头我会重新提交下 可以先把这个直接写到代码里，注释掉导入 ``` def load_json(file_name, value_is_array=False): with open(file_name, 'r', encoding='utf-8') as f: dict_ = json.load(f) return dict_ def save_json(file_name, dict_): with open(file_name, 'w', encoding='utf-8') as f: json.dump(dict_, f, ensure_ascii=False) ```

显存溢出了，可以调下batch_size试试

@zl0717 我这边注释掉印象中是因为之前加载报了个错，，后来就没用这个，要想完全相同的恢复继续训练的状态应该是需要保存这个的，然后再载入下，因为当时用继续训练不太多，就没管这个

我自己clone了一下，在我的环境上没问题， 应该是环境问题，我这里的环境是python==3.8.8 pandas ==1.3.4 transformers ==4.17.0 torch==1.10.0 要是还不行的话，可以放一下环境、截图再看一下

config.py里面设置了可以使用的模型 在config.py 字典里面增加一个键值， 例如 `'bert_en': ( 'transformers.BertTokenizer', 'transformers.BertForSequenceClassification', 'transformers.BertConfig', 'bert-base-uncased', # 使用模型参数 )` 然后再train.py --model bert_en 这样增加模型

似乎是某些网络参数不太匹配

> 是数据title的问题吗 默认使用的数据集有点小问题，数据集没有上传，修改了一下，现在应该可以跑通