加载本地训练的AraBERT分类模型遇RuntimeError问题求助

问题根源 #

你传给pipeline的是已经实例化的BertForSequenceClassification对象，而pipeline默认会尝试通过字符串型的模型ID去自动推断任务类型，没法从已加载的模型实例里自动识别任务，因此触发报错。

两种解决方法 #

方法一：明确指定task参数

你的模型用于文本分类（序列分类），直接在创建pipeline时加上task='text-classification'即可：

from transformers import pipeline, AutoModelForSequenceClassification, AutoTokenizer

model_name = 'aubmindlab/bert-base-arabertv02'
arabert_model = AutoModelForSequenceClassification.from_pretrained('/gdrive/MyDrive/LabelModel')
tokenizer = AutoTokenizer.from_pretrained(model_name)

text = "أين وقعت غزوة بدر؟"
#{'كيان': 0, 'تقريري': 1, 'حدث': 2, 'رقم': 3, 'عاقل': 4, 'موقع': 5, 'وصف': 6}

# 明确指定任务类型
pipe = pipeline(task='text-classification', model=arabert_model, tokenizer=tokenizer)
pipe(text)

方法二：直接用本地模型路径创建pipeline（更简洁）

无需手动加载模型和tokenizer，直接把本地模型路径传给pipeline，同时指定tokenizer的模型名，pipeline会自动完成加载流程：

from transformers import pipeline

text = "أين وقعت غزوة بدر؟"
#{'كيان': 0, 'تقريري': 1, 'حدث': 2, 'رقم': 3, 'عاقل': 4, 'موقع': 5, 'وصف': 6}

pipe = pipeline(
    task='text-classification',
    model='/gdrive/MyDrive/LabelModel',
    tokenizer='aubmindlab/bert-base-arabertv02'
)
pipe(text)

额外提示 #

如果希望pipeline返回结果直接显示你的自定义阿拉伯语标签（而非默认的LABEL_0这类），建议在训练完成保存模型时，将标签映射（id2label和label2id）写入模型目录的config.json文件中，示例格式：

{
  "id2label": {
    "0": "كيان",
    "1": "تقريري",
    "2": "حدث",
    "3": "رقم",
    "4": "عاقل",
    "5": "موقع",
    "6": "وصف"
  },
  "label2id": {
    "كيان": 0,
    "تقريري": 1,
    "حدث": 2,
    "رقم": 3,
    "عاقل": 4,
    "موقع": 5,
    "وصف": 6
  }
}

内容的提问来源于stack exchange，提问作者RJ94