Nlp 使用en_trf_bertbaseuncased_lg模型训练NER空间

我目前正在从事NER项目，我想通过尝试新的SpaCy模型

en_trf_bertbaseuncased_lg

来提高我的NER性能，但它给了我错误

keyrerror:[E001]在管道中找不到组件'trf_tok2vec'。可用名称：[NER']“

。SpaCy目前是否不支持此语言模型的NER？谢谢

   # get names of other pipes to disable them during training
    other_pipes = [pipe for pipe in nlp.pipe_names if pipe != 'ner']
    with nlp.disable_pipes(*other_pipes):  # only train NER
        for itn in tqdm(range(n_iter)):
            random.shuffle(train_data_list)
            losses = {}
            # batch up the examples using spaCy's minibatch
            batches = minibatch(train_data_list, size=compounding(8., 64., 1.001))
            for batch in batches:
                texts, annotations = zip(*batch)
                nlp.update(texts, annotations, sgd=optimizer, drop=0.35,
                           losses=losses)
            tqdm.write('Iter: ' + str(itn + 1) + ' Losses: ' + str(losses['ner']))
            if itn == 30 or itn == 40:
                output_dir = Path(output_dir)
                if not output_dir.exists():
                    output_dir.mkdir()
                nlp.to_disk(Path(output_dir))

它给了我错误的答案

nlp.update(texts, annotations, sgd=optimizer, drop=0.35,
                           losses=losses)

---

根据spaCy上该模型的文档，该模型还不支持命名实体识别。它只支持：

• 判决者

• trf\u拼字机

• trf_tok2vec

可以获得给定模型的可用管道，如下所示：

>>> import spacy

>>> nlp = spacy.load("en_trf_bertbaseuncased_lg")
>>> nlp.pipe_names
[sentencizer, trf_wordpiecer, trf_tok2vec]

---

根据spaCy上该模型的文档，该模型还不支持命名实体识别。它只支持：

• 判决者

• trf\u拼字机

• trf_tok2vec

可以获得给定模型的可用管道，如下所示：

>>> import spacy

>>> nlp = spacy.load("en_trf_bertbaseuncased_lg")
>>> nlp.pipe_names
[sentencizer, trf_wordpiecer, trf_tok2vec]

---

你能发布导致错误的代码吗？我在问题中添加了代码片段。谢谢你能发布导致错误的代码吗？我在问题中添加了代码片段。谢谢