TED-finetuning_student.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Fri Jun 30 08:47:31 2023

@author: fujidai
"""


import torch
from sentence_transformers import SentenceTransformer, InputExample, losses,models
from sentence_transformers import SentenceTransformer,  SentencesDataset, LoggingHandler, losses
from sentence_transformers.readers import InputExample
from torch.utils.data import DataLoader
from transformers import AutoTokenizer
from sentence_transformers.SentenceTransformer import SentenceTransformer
import torch
import torch.nn.functional as F
import numpy as np
from sentence_transformers import SentenceTransformer, util


word_embedding_model = models.Transformer('/paraphrase-multilingual-mpnet-base-v2', max_seq_length=512)# modelの指定をする
pooling_model = models.Pooling(word_embedding_model.get_word_embedding_dimension())
#dense_model = models.Dense(in_features=pooling_model.get_sentence_embedding_dimension(),out_features=16)
model = SentenceTransformer(modules=[word_embedding_model, pooling_model],device='mps')
print(model)


with open('/cos-sim_pseudo-pseudo.txt', 'r') as f:# en-pseudo-pseudo　と　en-origin の　cos_sim 　

    raberu = f.read()
raberu_lines = raberu.splitlines()#改行コードごとにリストに入れている
data = []
for i in range(len(raberu_lines)):
    data.append(float(raberu_lines[i]))#


with open('/cos-sim_pseudo.txt', 'r') as f:## en-pseudo　と　en-origin の　cos_sim　
    raberu2 = f.read()
raberu2_lines = raberu2.splitlines()#改行コードごとにリストに入れている
data2 = []
for i in range(len(raberu2_lines)):
    data2.append(float(raberu2_lines[i]))#



with open('/en-origin.txt', 'r') as f:#TEDのenglish
    left = f.read()
left_lines = left.splitlines()

with open('/en-pseudo-pseudo.txt', 'r') as f:#TEDのenglishをgoogle翻訳に入れて作った他の言語にしたものをgoogle翻訳に入れて英語にしたやつ
    senter = f.read()
senter_lines = senter.splitlines()

with open('/en-pseudo.txt', 'r') as f:#TEDの英語じゃないほうをgoogle翻訳に入れて作った英語
    right = f.read()
right_lines = right.splitlines()#改行コードごとにリストに入れている


train_examples = []
for i in range(len(left_lines)):
    pair=[]
    pair.append(left_lines[i])#left_lines側のi行目をtextsに追加している
    pair.append(senter_lines[i])
    pair.append(right_lines[i])#right_lines側のi行目をtextsに追加している
    #print(data[i]-data2[i])
    absolutely=abs(data[i]-data2[i])#コサイン類似度を引き算したものを絶対値をつけている
    #print('zettai↓')
    #print(absolutely)
    example = InputExample(texts=pair, label=absolutely)#textsをラベル付きで追加している
    #print(example)
    #label=1-data[i]の１は positive cos_sim
    train_examples.append(example)#学習として入れるものに入れている



print(len(train_examples))

device = torch.device('mps')
#print(device)

import torch.nn.functional as F


train_dataloader = DataLoader(train_examples, shuffle=True, batch_size=8)
train_loss = losses.MarginMSELoss(model=model,similarity_fct=F.cosine_similarity)

#Tune the model
model.fit(train_objectives=[(train_dataloader, train_loss)], epochs=100, warmup_steps=100,show_progress_bar=True,
          #output_path='完成2best-6-30',
          checkpoint_path='checkpoint_savename',checkpoint_save_steps=9370,#どのくらいのイテレーションごとに保存するか
          save_best_model=True)#checkpoint_save_total_limit=5,
model.save("save_name")




'''
'''









#