Kaggle干货：自定义transformers数据集

transformers是现在NLP同学必备的库，但在使用的过程中主要的代码是需要自定义数据集，那么如何舒服的读取数据，并使用transformers进行训练模型呢？本文的内容如下：自定义文本数据集使用transformers中trainer训练使用Pytorch自定义训练流程步骤1：读取IMDb ReviewsIMDb Reviews是比较常见的英文情感分类的数据集，主要完成文本多分类任务。我们首先需要读取数据，并处理数据。下载数据# 如下为shell命令wget http://ai.stanford.edu/~amaas/data/sentiment/aclImdb_v1.tar.gztar -xf aclImdb_v1.tar.gz划分数据集from sklearn.model_selection import train_test_splittrain_texts, val_texts, train_labels, val_labels = train_test_split(train_texts, train_labels, test_size=.2)对文本进行编码这里建议提前将文本进行编码，不建议动态进行编码，可以节约时间。from transformers import DistilBertTokenizerFasttokenizer = DistilBertTokeniz ………………………………