Spacy 3.1执行spacy train命令时触发KeyError: 'train'错误的求助

DevOps 小满

2026-4-30

解决spaCy训练DistilBERT自定义模型时的KeyError: 'train'问题

我帮你排查了这个问题，核心原因出在你的config.cfg配置里的训练语料库指向错误，导致spaCy找不到对应的配置项。

错误原因分析

看你提供的config.cfg里的[training]部分：

[training]
accumulate_gradient = 3
dev_corpus = "dev.spacy"
train_corpus = "train.spacy"
# ...其他配置

这里的dev_corpus和train_corpus应该指向你在[corpora]部分定义的语料库key，也就是"corpora.dev"和"corpora.train"，而不是直接写文件名。spaCy在初始化时会去读取corpora下的配置来加载数据，你直接写文件名的话，它会误以为要找一个叫train的顶层配置项，所以抛出了KeyError: 'train'。

另外还有个小细节：你的[nlp]部分设置的lang = "it"（意大利语），但你用的是IMDB英文数据，后续训练可能会有tokenizer匹配问题，建议改成lang = "en"。

修复步骤

修改config.cfg里的[training]部分，修正语料库指向：

[training]
accumulate_gradient = 3
dev_corpus = "corpora.dev"
train_corpus = "corpora.train"
seed = ${system.seed}
gpu_allocator = ${system.gpu_allocator}
dropout = 0.1
patience = 1600
max_epochs = 0
max_steps = 20000
eval_frequency = 200
frozen_components = []
annotating_components = []
before_to_disk = null

（可选但推荐）修改[nlp]里的语言设置：

[nlp]
lang = "en"
pipeline = ["transformer","textcat"]
batch_size = 128
disabled = []
before_creation = null
after_creation = null
after_pipeline_creation = null
tokenizer = {"@tokenizers":"spacy.Tokenizer.v1"}