paddlehub1.8在finetune时报错“ZeroDivisionError: float division by zero”

[源自github用户rela0426](https://github.com/PaddlePaddle/PaddleHub/issues/1203): 
#904 跟904楼问题差不多，按照904帖子内容改过了，还是出问题
@Steffy-zxf
因为paddlehub1.8改变了finetune的调用方式，因此已经按照相关帖子进行了更改，在调用系统自动下载的数据集时
dataset = hub.dataset.MSRA_NER(tokenizer=tokenizer, max_seq_len=128)没问题，一旦切换到自定义的数据集，就会报ZeroDivisionError: float division by zero
自定义数据集的序列标注finetune代码如下，是有什么问题吗？能看下吗？官方能否出一个序列标注自定义数据集完整demo

```python

import argparse
import ast
import json
import numpy as np
import paddle.fluid as fluid
import paddlehub as hub
from paddlehub.dataset.base_nlp_dataset import BaseNLPDataset
from paddlehub.dataset import InputExample
from data_process import data_process
from data_process import schema_process
from data_process import write_by_lines
import sys
import csv
import codecs
csv.field_size_limit(sys.maxsize)
# yapf: disable
parser = argparse.ArgumentParser(__doc__)
parser.add_argument("--num_epoch", type=int, default=3, help="Number of epoches for fine-tuning.")
parser.add_argument("--use_gpu", type=ast.literal_eval, default=True, help="Whether use GPU for finetuning, input should be True or False")
parser.add_argument("--learning_rate", type=float, default=5e-5, help="Learning rate used to train with warmup.")
parser.add_argument("--data_dir", type=str, default=None, help="data save dir")
parser.add_argument("--schema_path", type=str, default=None, help="schema path")
parser.add_argument("--train_data", type=str, default=None, help="train data")
parser.add_argument("--dev_data", type=str, default=None, help="dev data")
parser.add_argument("--test_data", type=str, default=None, help="test data")
parser.add_argument("--predict_data", type=str, default=None, help="predict data")
parser.add_argument("--do_train", type=ast.literal_eval, default=False, help="do train")
parser.add_argument("--do_predict", type=ast.literal_eval, default=True, help="do predict")
parser.add_argument("--do_model", type=str, default="trigger", choices=["trigger", "role"], help="trigger or role")
parser.add_argument("--weight_decay", type=float, default=0.01, help="Weight decay rate for L2 regularizer.")
parser.add_argument("--warmup_proportion", type=float, default=0.1, help="Warmup proportion params for warmup strategy")
parser.add_argument("--max_seq_len", type=int, default=512, help="Number of words of the longest seqence.")
parser.add_argument("--eval_step", type=int, default=200, help="eval step")
parser.add_argument("--model_save_step", type=int, default=3000, help="model save step")
parser.add_argument("--batch_size", type=int, default=32, help="Total examples' number in batch for training.")
parser.add_argument("--add_crf", type=ast.literal_eval, default=True, help="add crf")
parser.add_argument("--checkpoint_dir", type=str, default=None, help="Directory to model checkpoint")
parser.add_argument("--use_data_parallel", type=ast.literal_eval, default=False, help="Whether use data parallel.")
args = parser.parse_args()
# yapf: enable.

# 先把数据处理好保存下来
train_data = data_process(args.train_data, args.do_model)  # 处理训练数据
dev_data = data_process(args.dev_data, args.do_model) # 处理dev数据
test_data = data_process(args.test_data, args.do_model)
predict_sents, predict_data = data_process(args.predict_data, args.do_model, is_predict=True)

write_by_lines("{}/{}_train.tsv".format(args.data_dir, args.do_model), train_data)
write_by_lines("{}/{}_dev.tsv".format(args.data_dir, args.do_model), dev_data)
write_by_lines("{}/{}_test.tsv".format(args.data_dir, args.do_model), test_data)
write_by_lines("{}/{}_predict.tsv".format(args.data_dir, args.do_model), predict_data)

schema_labels = schema_process(args.schema_path, args.do_model)
class EEDataset(BaseNLPDataset):
    """EEDataset"""
    def __init__(self, data_dir, labels, tokenizer=None,max_seq_len=None,model="trigger"):
        # 数据集存放位置
        base_path = data_dir
        super(EEDataset, self).__init__(
            base_path=base_path,
            train_file="{}_train.tsv".format(model),
            dev_file="{}_dev.tsv".format(model),
            test_file="{}_test.tsv".format(model),
            tokenizer=tokenizer,
            max_seq_len=max_seq_len,
            # 如果还有预测数据（不需要文本类别label），可以放在predict.tsv
            predict_file="{}_predict.tsv".format(model),
            train_file_with_header=True,
            dev_file_with_header=True,
            test_file_with_header=True,
            predict_file_with_header=True,
            # 数据集类别集合
            label_list=labels)
def main():
    # Load Paddlehub pretrained model
    # 更多预训练模型 https://www.paddlepaddle.org.cn/hublist?filter=en_category&value=SemanticModel
    #model_name = "ernie_tiny"
    model_name = "chinese-roberta-wwm-ext-large"
    module = hub.Module(name=model_name)
    inputs, outputs, program = module.context(
        trainable=True, max_seq_len=args.max_seq_len)
    # Download dataset and use SequenceLabelReader to read dataset
    tokenizer = hub.BertTokenizer(vocab_file=module.get_vocab_path())
    dataset = EEDataset(data_dir=args.data_dir, labels=schema_labels, tokenizer=tokenizer,
                        max_seq_len=args.max_seq_len,model=args.do_model)

reader = hub.reader.SequenceLabelReader(
        # dataset=dataset,
        vocab_path=module.get_vocab_path(),
        max_seq_len=args.max_seq_len,
        sp_model_path=module.get_spm_path(),
        word_dict_path=module.get_word_dict_path())

# Construct transfer learning network
    # Use "sequence_output" for token-level output.
    sequence_output = outputs["sequence_output"]

# Setup feed list for data feeder
    # Must feed all the tensor of module need
    feed_list = [
        inputs["input_ids"].name, inputs["position_ids"].name,
        inputs["segment_ids"].name, inputs["input_mask"].name
    ]

# Select a finetune strategy
    strategy = hub.AdamWeightDecayStrategy(
        warmup_proportion=args.warmup_proportion,
        weight_decay=args.weight_decay,
        learning_rate=args.learning_rate)

# Setup runing config for PaddleHub Finetune API
    config = hub.RunConfig(
            eval_interval=args.eval_step,
            save_ckpt_interval=args.model_save_step,
            use_data_parallel=args.use_data_parallel,
            use_cuda=args.use_gpu,
            num_epoch=args.num_epoch,
            batch_size=args.batch_size,
            checkpoint_dir=args.checkpoint_dir,
            strategy=strategy)

# Define a sequence labeling finetune task by PaddleHub's API
    # If add crf, the network use crf as decoder
    seq_label_task = hub.SequenceLabelTask(
        dataset=dataset,
        feature=sequence_output,
        feed_list=feed_list,
        max_seq_len=args.max_seq_len,
        num_classes=dataset.num_labels,
        config=config,
        add_crf=args.add_crf)

# Finetune and evaluate model by PaddleHub's API
    # will finish training, evaluation, testing, save model automatically
    if args.do_train:
        print("start finetune and eval process")
        seq_label_task.finetune_and_eval()

if args.do_predict:
        print("start predict process")
        ret = []
        id2label = {val: key for key, val in reader.label_map.items()}
        input_data = [[d] for d in predict_data]
        run_states = seq_label_task.predict(data=input_data[1:])
        results = []
        for batch_states in run_states:
            batch_results = batch_states.run_results
            batch_infers = batch_results[0].reshape([-1]).astype(np.int32).tolist()
            seq_lens = batch_results[1].reshape([-1]).astype(np.int32).tolist()
            current_id = 0
            for length in seq_lens:
                seq_infers = batch_infers[current_id:current_id + length]
                seq_result = list(map(id2label.get, seq_infers[1: -1]))
                current_id += length if args.add_crf else args.max_seq_len
                results.append(seq_result)

ret = []
        for sent, r_label in zip(predict_sents, results):
            sent["labels"] = r_label
            ret.append(json.dumps(sent, ensure_ascii=False))
        write_by_lines("{}.{}.pred".format(args.predict_data, args.do_model), ret)

if __name__ == "__main__":
    main()```

[ 源自github用户rela0426](https://github.com/PaddlePaddle/PaddleHub/issues/1203#issuecomment-766714341): 
> > > > 你好，关于序列标注的demo可以看一下这个教程。
> > > > 建议将paddlepaddle和paddhub升级到2.0版本。
> > > > [PaddleHub2.0——使用动态图版预训练模型ERNIE实现快递单信息抽取 ](https://aistudio.baidu.com/aistudio/projectdetail/1452872)
> > > 
> > > 
> > > 复现代码需要的是paddlehub1.6，因为一直报错，最后升级到了paddlehub1.8，不能再升级了，要不代码都复现不了了。所以在这个自定义数据集的加载，问题在哪一步？代码感觉没啥问题了啊
> > 
> > 
> > 因为代码的依赖环境是paddle1.6.1，因为运行时一直报错AttributeError: 'Parameter' object has no attribute 'gradient_clip_attr'，查找了很多帖子，后来升级到paddle1.8就没那个问题了，修改了finetune调用的代码，然后就出现了目前这个问题。关于finetune调用部分，能帮我看下上面的代码有什么问题吗？完全按照官方文档以及＃904楼的解决办法修改的，但还是没有跑通。
> 
> `paddlehub==1.6.2`的自定义数据集任务demo，使用1.6或1.8可以参考这个项目的执行流程
> https://aistudio.baidu.com/aistudio/projectdetail/184200

之前就是按照你给的这个链接的方式来写的，在paddlehub1.6.2时，报错AttributeError: 'Parameter' object has no attribute 'gradient_clip_attr'，后来将paddlehub升级到1.8，之前的错误消失了，换了新的错误：ZeroDivisionError: float division by zero。我现在用的是paddlehub1.8，自定义数据集的方式如题目所示代码，贴的很详细了，只想知道错误在哪里。多谢～

[ 源自github用户KPatr1ck](https://github.com/PaddlePaddle/PaddleHub/issues/1203#issuecomment-766716113): 
> > > > > 你好，关于序列标注的demo可以看一下这个教程。
> > > > > 建议将paddlepaddle和paddhub升级到2.0版本。
> > > > > [PaddleHub2.0——使用动态图版预训练模型ERNIE实现快递单信息抽取 ](https://aistudio.baidu.com/aistudio/projectdetail/1452872)
> > > > 
> > > > 
> > > > 复现代码需要的是paddlehub1.6，因为一直报错，最后升级到了paddlehub1.8，不能再升级了，要不代码都复现不了了。所以在这个自定义数据集的加载，问题在哪一步？代码感觉没啥问题了啊
> > > 
> > > 
> > > 因为代码的依赖环境是paddle1.6.1，因为运行时一直报错AttributeError: 'Parameter' object has no attribute 'gradient_clip_attr'，查找了很多帖子，后来升级到paddle1.8就没那个问题了，修改了finetune调用的代码，然后就出现了目前这个问题。关于finetune调用部分，能帮我看下上面的代码有什么问题吗？完全按照官方文档以及＃904楼的解决办法修改的，但还是没有跑通。
> > 
> > 
> > `paddlehub==1.6.2`的自定义数据集任务demo，使用1.6或1.8可以参考这个项目的执行流程
> > https://aistudio.baidu.com/aistudio/projectdetail/184200
> 
> 之前就是按照你给的这个链接的方式来写的，在paddlehub1.6.2时，报错AttributeError: 'Parameter' object has no attribute 'gradient_clip_attr'，后来将paddlehub升级到1.8，之前的错误消失了，换了新的错误：ZeroDivisionError: float division by zero。我现在用的是paddlehub1.8，自定义数据集的方式如题目所示代码，贴的很详细了，只想知道错误在哪里。多谢～

demo数据集正常运行，个人数据集运行有问题，建议排查数据集和个人脚本的问题

[ 源自github用户rela0426](https://github.com/PaddlePaddle/PaddleHub/issues/1203#issuecomment-766718088): 
> > > > > > 你好，关于序列标注的demo可以看一下这个教程。
> > > > > > 建议将paddlepaddle和paddhub升级到2.0版本。
> > > > > > [PaddleHub2.0——使用动态图版预训练模型ERNIE实现快递单信息抽取 ](https://aistudio.baidu.com/aistudio/projectdetail/1452872)
> > > > > 
> > > > > 
> > > > > 复现代码需要的是paddlehub1.6，因为一直报错，最后升级到了paddlehub1.8，不能再升级了，要不代码都复现不了了。所以在这个自定义数据集的加载，问题在哪一步？代码感觉没啥问题了啊
> > > > 
> > > > 
> > > > 因为代码的依赖环境是paddle1.6.1，因为运行时一直报错AttributeError: 'Parameter' object has no attribute 'gradient_clip_attr'，查找了很多帖子，后来升级到paddle1.8就没那个问题了，修改了finetune调用的代码，然后就出现了目前这个问题。关于finetune调用部分，能帮我看下上面的代码有什么问题吗？完全按照官方文档以及＃904楼的解决办法修改的，但还是没有跑通。
> > > 
> > > 
> > > `paddlehub==1.6.2`的自定义数据集任务demo，使用1.6或1.8可以参考这个项目的执行流程
> > > https://aistudio.baidu.com/aistudio/projectdetail/184200
> > 
> > 
> > 之前就是按照你给的这个链接的方式来写的，在paddlehub1.6.2时，报错AttributeError: 'Parameter' object has no attribute 'gradient_clip_attr'，后来将paddlehub升级到1.8，之前的错误消失了，换了新的错误：ZeroDivisionError: float division by zero。我现在用的是paddlehub1.8，自定义数据集的方式如题目所示代码，贴的很详细了，只想知道错误在哪里。多谢～
> 
> demo数据集正常运行，个人数据集运行有问题，建议排查数据集和个人脚本的问题

数据集和脚本是百度去年公开的事件抽取baseline，但是down下来，复现一下代码太难了。我还是等今年你们的新版本baseline把，麻烦你们了，多谢～

PaddlePaddle/PaddleHub

内容风险标识

评论 (7)

PaddlePaddle/PaddleHub .gitee-modal { width: 500px !important; }

内容风险标识