BERT-NER-CRF for PyTorch

• 概述
• 准备训练环境
• 准备数据集
• 开始训练
• 训练结果展示
• 版本说明

概述

简述

BERT-CRF 是用于自然语言处理中实体识别任务的模型

• 参考实现 https://github.com/lonePatient/BERT-NER-Pytorch
• 本代码仓为适配NPU的实现

准备训练环境

该模型为随版本演进模型（随版本演进模型范围可在此处查看），您可以根据下面提供的安装指导选择匹配的CANN等软件下载使用。

准备环境

• 推荐使用最新的版本准备训练环境。

  表 1 版本配套表

  软件	版本	安装指南
  Driver	AscendHDK 25.0.RC1.1	《驱动固件安装指南 》
  Firmware	AscendHDK 25.0.RC1.1
  CANN	CANN 8.1.RC1	《CANN 软件安装指南 》
  PyTorch	2.1.0	《Ascend Extension for PyTorch 配置与安装 》
  torch_npu	release v7.0.0-pytorch2.1.0

• 三方库依赖如下表所示

  表 2 三方库依赖表

  Torch_Version	三方库依赖版本
  PyTorch 2.1	transformers 4.29.2

• 安装依赖

  在模型根目录下执行命令，安装模型需要的依赖。

  pip install -r requirements.txt
  

准备数据集

• 本模型在Cluener数据集上完成训练和验证。在https://storage.googleapis.com/cluebenchmark/tasks/cluener_public.zip 下载Cluener数据集，解压后放到datasets目录下，形成如下的目录结构：

BERT-NER-Pytorch
└── datasets
    ├── cner
    └── cluener 
        ├── cluener_predict.json
        ├── dev.json
        ├── __init__.py 
        ├── README.md
        ├── test.json
        └── train.json

准备预训练权重

• 在https://huggingface.co/bert-base-chinese/tree/main/ 下载预训练权重和config文件等相关信息，放在prev_trained_model目录下，形成如下的目录结构：

BERT-NER-Pytorch
└── prev_trained_model
    └── bert-base-chinese
        ├── config.json
        ├── pytorch_model.bin 
        ├── tokenizer_config.json
        ├── tokenizer.json
        └── vocab.txt

开始训练

运行训练脚本

• 单机8卡训练

  bash test/train_full_8p.sh      # 8卡精度训练
  bash test/train_performance_8p.sh    # 8卡性能训练  
  

• 单机16卡训练

  bash test/train_full_8p.sh     # 16卡精度训练
  bash test/train_performance_16p.sh    # 16卡性能训练  
  

训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

训练结果展示

表 3

说明：上表为历史数据，仅供参考。2025年5月10日更新的性能数据如下：

版本说明

变更

2023.6.19 首次发布

FAQ

1. 若遇到safetensors三方库报这个错误“safetensors_rust.SafetensorError: Error while deserializing header: HeaderTooLarge”，原因是accelerate版本 >= v0.25.0，会默认使用safetensors，导致报错。参考解决方法，安装0.24.1版本的accelerate。

   pip install accelerate==0.24.1