丹摩征文活动 |通过Pycharm复现命名实体识别模型--MECT模型

文章目录

🍋1 引言

DAMODEL（丹摩智算）是专为 AI 打造的智算云，致力于提供丰富的算力资源与基础设施助力 AI 应用的开发、训练、部署。

🍋2 平台优势

• 💡 超友好！

配备 124G 大内存和 100G 大空间系统盘，一键部署，三秒启动，让 AI 开发从未如此简单！

• 💡 资源多！

从入门级到专业级 GPU 全覆盖，无论初级开发还是高阶应用，你的需求，我们统统 Cover！

• 💡 性能强！

自建 IDC，全新 GPU，每一位开发者都能体验到顶级的计算性能和专属服务，大平台值得信赖！

• 💡 超实惠！

超低价格体验优质算力服务，注册即送优惠券！还有各类社区优惠活动，羊毛薅不停！

🍋3 丹摩平台服务器配置教程

进入控制台-GPU云实例，点击「创建实例」可以快速查看目前提供的算力型号和规格，对于经过跑模型的老用户根据自己实际情况进行选择即可，对于我们新用户来说，必须选最好的4090！！！

在创建GPU云容器页面您可以：

• 选择计费方式：按量计费、包日、包月
• 选择合适的配置与主机
• 选择GPU数量
• 扩容数据盘
• 选择镜像
• 选择密钥对
• 选择完成后即可付费创建云容器

对此官方还贴心的出了一个注意事项

🍋4 实操案例（ MECT4CNER-main）

根据上次的镜像我们保持不变，具体创建实例可以参考上篇博客丹摩征文活动 | 0基础带你上手经典目标检测模型 Faster-Rcnn

🍋4.1 MECT4CNER-main模型

下面是原文链接，在GitHub仓库，感兴趣的读者可以自行下载
https://github.com/CoderMusou/MECT4CNER
这个模型的出处来自ACL2021年的一篇文章感兴趣的读者也可以自行下载并且阅读
Models and results can be found at our paper in ACL 2021 or arXiv.

下面是数据集目录

🍋4.2 环境配置

安装完Pycharm之后，我们点击File—》settings

接下来我们选择第二个

接下来我们复制访问链接和密码

这里根据格式填写访问链接

这里填写密码

这样就是成功连接上了

接下来我们选择解释器

接下来我们根据目录找到Python解释器，之后就点击OK就可以了

接下来我们就需要进行等待上传文件了

我们需要一些时间进行等待，若上传完毕，可以通过下面的代码找到我们的工程文件夹

🍋4.3 训练模型

接下来我们需要将需要的一些库都安装好

fitlog==0.3.2
torch==1.5.1+cu101
FastNLP==0.5.0
numpy==1.18.5

安装完毕，我们直接在终端输入

时间关系本文不具体展示训练过程，下面是训练的命令语句，感兴趣的读者或者对命名实体识别感兴趣的读者可以自行训练

Python main.py

接下来就可以复现代码了

🍋4.4 数据保存并导出

代码中存在可以保存日志的相关代码，训练的日志会直接保存到logs文件夹中去

🍋5 结语

平台优势：

1. 价格实惠，注册送福利
2. 界面简洁，不花里胡哨
3. 售后优质，及时有反馈
4. 性能强大，4090带你飞

通过 DAMODEL 智算云的便捷服务，我们体验到了一种全新的开发与部署方式——从资源配置、环境搭建、模型训练到结果导出，每一步都得到了高效的支持。这里我们采用经典目标检测模型 Faster-Rcnn进行测试，后续我还将会使用不同的模型进行测试，欢迎关注~

挑战与创造都是很痛苦的，但是很充实。