Python 使用Transformers框架对序列分类进行微调

我目前正在一项序列分类任务中微调一个伯特模型。为此，我使用了transformers框架。这需要在培训师中进行批量输入：

以下介绍了微调的工作方式： 我认为批处理需要看起来像是我创建的，但由于某些原因，我不断出现错误。图中显示了数据集中的单个项目

如果我将标签添加为张量，则模型中将标签转换为张量的部分会出现错误。但当我添加标签作为列表时，我得到：预期输入批次大小（16）与目标批次大小（2016）匹配。 给伯特模型一个批次的正确方法是什么

以下是我初始化模型的方式：

training\u args=TrainingArguments(
输出目录_dir='C:'，#输出目录
num_train_epochs=3，#训练时期总数
每台设备每列批量大小=16，培训期间每台设备的批量大小
每台设备评估批量大小=64，评估批量大小
预热步骤=500，#学习速率计划程序的预热步骤数
重量衰减=0.01，#重量衰减强度
日志记录_dir='C:'，#用于存储日志的目录
记录步骤=10，
)
标记器=BertTokenizer.from_pretrained（'bert-base-uncased'））
模型=BertForSequenceClassification.from_pretrained（“bert base uncased”）
数据\u collator=DataCollatorForTokenClassification（标记器）
教练(
model=model，#实例化的I已删除您的[]标记。没有显示批处理文件代码，也没有提到批处理文件。请将鼠标悬停在标记上，阅读它们的说明，然后只选择与您的问题相关的标记。错误是什么？我认为您的错误是您混淆了序列分类和令牌分类。对于序列分类，您只提供一个标签，而您为令牌分类任务提供了#令牌标签。@cronoik您是对的。感谢您发现了这个愚蠢的错误。现在我可以在使用BertFortokeClassification时解决其他错误：）