Fairseq自定义Simple LSTM训练报错：tutorial_simple_lstm架构未被识别

核心原因 #

你先通过pip install fairseq安装了官方预编译包，之后克隆的Fairseq源码目录与pip安装的版本相互独立，训练时调用的是pip安装的Fairseq，而非你添加了自定义模型的本地源码版本，导致自定义架构无法被识别。另外需确认自定义模型是否完成Fairseq要求的注册流程。

具体解决步骤 #

1. 替换为本地源码安装Fairseq
   卸载pip安装的版本，安装本地克隆的源码包（关联本地文件，后续修改代码无需重装）：

   !pip uninstall -y fairseq
   %cd /content/fairseq
   !pip install --editable .
   

2. 检查自定义模型的注册装饰器
   打开/content/fairseq/fairseq/models/tutorial_simple_lstm.py，确保添加了Fairseq识别架构必须的装饰器：

   from fairseq.models import register_model, register_model_architecture
   
   @register_model("tutorial_simple_lstm")
   class TutorialSimpleLSTM(FairseqEncoderDecoderModel):
       # 你的模型实现代码
       pass
   
   @register_model_architecture("tutorial_simple_lstm", "tutorial_simple_lstm")
   def tutorial_simple_lstm_architecture(args):
       # 架构参数配置代码
       pass
   

   注意第一个装饰器的名称必须与训练命令--arch参数完全一致。

3. 重新执行训练命令
   此时调用的是本地安装的Fairseq，可识别自定义架构：

   !fairseq-train /content/fairseq/examples/translation/iwslt14.tokenized.de-en \
     --arch=tutorial_simple_lstm \
     --encoder-dropout=0.2 \
     --decoder-dropout=0.2 \
     --optimizer=adam \
     --lr=0.005 \
     --lr-shrink=0.5 \
     --max-tokens=12000
   

4. 备选方案：临时设置Python路径
   若不想重装，可在训练前临时将本地Fairseq目录加入Python路径：

   %env PYTHONPATH=/content/fairseq:$PYTHONPATH
   !fairseq-train /content/fairseq/examples/translation/iwslt14.tokenized.de-en \
     --arch=tutorial_simple_lstm \
     --encoder-dropout=0.2 \
     --decoder-dropout=0.2 \
     --optimizer=adam \
     --lr=0.005 \
     --lr-shrink=0.5 \
     --max-tokens=12000
   

内容的提问来源于stack exchange，提问作者Rubén