Machine learning 如何使用“AllenNLP train”继续训练序列化的AllenNLP模型？

目前使用AllenNLP 1.2的培训模型：

allennlp train -f --include-package custom-exp /usr/training_config/mock_model_config.jsonnet -s test-mock-out

配置非常标准：

"dataset_reader" : {

        "reader": "params"

    },
    "data_loader": {
        "batch_size": 3,
        "num_workers": 1,
    },
    "trainer": {
        "trainer_params": "various"
    },


    "vocabulary": {
        "type": "from_files",
        "directory": vocab_folder,
        "oov_token": "[UNK]",
        "padding_token": "[PAD]",
    },

    "model": {
        "various params": ...
    }

并将它们序列化到

测试模拟

目录（还有

model.tar.gz

）

使用

allennlp train

命令，是否可以继续训练？文档说明应该使用

Model.from_archive

，但不清楚如何调整配置以使用它

---

好的，要继续培训，一个解决方案是从_archive加载模型

。假设您有序列化目录，对该文件夹进行
model.tar.gz
存档。然后，您可以创建一个相同的新配置，但
model
键除外，该键使用了\u archive

中的

：

retain\u config.json:

{
### Existing params ###
 "data_loader": {
        "batch_size": 3,
        "num_workers": 1,
    },
    "trainer": {
        "trainer_params": "various"
    },
### Existing params ###
...
"model": {
       "type": "from_archive",
       "archive_file": "path/to/my_model.tar.gz"
    }

}


然后，使用原始的train命令，指向此新配置：

allennlp train -f --include-package custom-exp /usr/training_config/retrain_config.json -s test-mock-out

请注意，vocab和输出维度/标签空间应保持一致。此外，似乎全球培训时代并未得到保留

或者，如果您只想在完全相同的培训数据上进行培训，并且您只有序列化目录，那么您可以避免压缩目录，只需将结果添加到相同的目录

  allennlp train -f --include-package custom-exp /usr/training_config/mock_model_config.jsonnet -s test-mock-out --recover


你能详细解释一下你所说的“继续训练”是什么意思吗？嗨，阿琼，是的，很抱歉这么含糊。我的意思是在相同或相似的数据（相同的语音等）上训练。
--recover
参数是否适用于此用例？是的，使用相同的序列化目录使用
-r
或
--recover
应该可以！非常感谢，我能够使用
从
模型中
的
类型下的
参数下的
获得一些有用的东西