上节课我们提到，为了提高模型准确率，后面我们会把多标签和单标签两个模型结合，做成一个 pipline 的联合模型，所以我们先把之前的单标签模型，替换一下数据集，重新训练一个当前数据集对应的模型文件出来备用。同时，这个过程也是大家学完这个课程之后，用这个模型来训练自己的数据的流程，这里顺便给大家演示一下。

Bug修复

1、squeeze()导致的报错

max_pool2d 之后，输出 tensor.shape = [10, 256, 1, 1]，之后的 squeeze()，正常情况下会压缩 tensor 的最后两维，变成 [10, 256]。但如果是我们的训练数据是101条，batch_size = 10，最后一次就只剩下一条数据，max_pool2d 输出 tensor.shape = [1, 256, 1, 1]，再经过 squeeze()，会变成 [256]，后续程序会报错，所以我们需要改为只压缩最后两维。 

内容不可见，请联系管理员开通权限。

2、Python版本导致语法改动

如果 iter(dev_loader).next() 方法报错，可以修改为 next(iter(dev_loader))。

数据预处理

1、修改配置项 

内容不可见，请联系管理员开通权限。

2、label文本转数字函数 

内容不可见，请联系管理员开通权限。

3、category文本转id 

内容不可见，请联系管理员开通权限。

4、统计长度 

内容不可见，请联系管理员开通权限。

经过以上处理之后呢，我们就把原始标注文件中的文本，转化成了 label_id，后面转换目标值，就可以直接调用 labels 了。

本文链接：http://ichenhua.cn/edu/note/562

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！