这次我们来看一个非常实用的深度学习实战项目基于 Hugging Face 的情感分析模型微调与评估。对于想入门 NLP 微调或者需要快速验证一个文本分类模型效果的开发者来说这是一个绕不开的核心环节。项目本身不复杂关键在于理解微调后的模型到底表现如何以及如何将它用起来。本文的核心是带你走通一个完整的流程从拿到一个预训练模型到用你的数据微调它再到用科学的指标评估它的性能最后把它变成一个可以接收文本、输出情感的推理服务。整个过程我们会重点关注几个实际问题需要多少显存训练和评估的代码怎么写评估指标怎么看微调后的模型怎么保存和加载以及如何提供一个简单的 API 来使用它。如果你关心如何在本地或云端服务器上用有限的 GPU 资源比如 8G 显存的卡完成一次有效的模型迭代验证这篇文章会提供可直接运行的代码和清晰的步骤说明。1. 核心能力速览在深入细节之前我们先快速了解这个实战项目的核心信息让你判断是否值得继续往下看。能力项说明项目类型深度学习实战教程 / NLP 模型微调与评估技术栈PyTorch, Transformers (Hugging Face), Datasets, Evaluate核心任务情感分析二分类/多分类硬件门槛训练阶段建议具备 GPU如 RTX 3060 12G, RTX 4090 等显存需求取决于模型大小和批次大小。微调 BERT-base 级别模型Batch Size8 时约需 4-8 GB 显存。评估/推理阶段CPU 或 GPU 均可显存要求很低。启动方式命令行运行 Python 脚本。无 WebUI但可自行封装为 API 服务。主要功能1. 加载预训练模型与分词器。2. 准备并预处理自定义情感分析数据集。3. 使用 Trainer API 或自定义训练循环进行模型微调。4. 使用标准指标准确率、精确率、召回率、F1评估模型性能。5. 保存微调后的模型与分词器。6. 加载模型进行单条/批量文本推理。是否支持 API原生不支持但可基于 Flask/FastAPI 快速封装本文会给出示例。是否支持批量任务是。评估和推理均支持批量处理效率更高。适合场景学术研究、原型验证、中小规模情感分析应用开发、学习 Hugging Face 微调流程。2. 适用场景与使用边界这个实战项目主要解决一个问题如何让一个通用的预训练语言模型学会理解你特定业务场景下的文本情感。它非常适合以下场景初学者入门 NLP 微调情感分析是经典的入门任务数据标注相对简单结果直观。快速业务原型验证例如快速验证一个模型对电商评论、社交媒体舆情、客服对话的情感判断是否准确。定制化模型需求通用情感模型可能对“这个手机很发烧”这种行业黑话判断不准微调可以提升在垂直领域的表现。教学与实验清晰展示从数据到训练、评估、部署的全链路。需要注意的使用边界数据质量决定上限微调效果严重依赖于标注数据的质量和数量。数据噪声大或标注不一致模型性能会大打折扣。领域迁移有限用电影评论数据微调的模型直接用于判断金融新闻情感效果可能不佳。并非“大模型”微调本文示例通常基于 BERT、RoBERTa 等“基础模型”参数量几亿与微调百亿参数 LLM如 LLaMA、Qwen在资源消耗和技巧上差异巨大。计算资源要求虽然比训练模型从头开始省资源但微调仍需 GPU 支持以获得可接受的速度。纯 CPU 训练会非常慢。合规与伦理应用于实际产品时需确保数据来源合法并注意模型可能存在的偏见。不可用于制造虚假舆情、操纵评论等违规用途。3. 环境准备与前置条件开始之前请确保你的开发环境满足以下要求。这是后续所有步骤能顺利运行的基础。1. 操作系统Linux (Ubuntu 20.04/22.04 推荐), Windows (WSL2 推荐), macOS (仅限 CPU 推理/小规模训练)。本文命令以 Linux/WSL 环境为例Windows PowerShell 或 CMD 需稍作调整。2. Python 环境Python 版本: 3.8, 3.9 或 3.10。推荐使用 3.9兼容性最好。环境管理: 强烈建议使用conda或venv创建独立的虚拟环境避免包冲突。# 使用 conda 创建环境 conda create -n hf-sentiment python3.9 conda activate hf-sentiment # 或使用 venv python -m venv hf-sentiment-env # Linux/macOS source hf-sentiment-env/bin/activate # Windows hf-sentiment-env\Scripts\activate3. 深度学习框架与核心库PyTorch: 根据你的 CUDA 版本安装对应的 PyTorch。访问 PyTorch 官网 获取安装命令。示例CUDA 11.8:pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118仅 CPU:pip install torch torchvision torchaudioTransformers Datasets Evaluate (Hugging Face 核心三件套):pip install transformers datasets evaluate辅助工具库:pip install scikit-learn pandas tqdm # 如果需要封装 Web API pip install fastapi uvicorn4. 硬件检查GPU (推荐): 运行nvidia-smi检查 GPU 状态和 CUDA 版本。确保安装的 PyTorch CUDA 版本与系统 CUDA 驱动版本兼容。显存: 准备至少 4GB 可用显存用于微调实验。可通过调整batch_size、使用梯度累积或选择更小模型如distilbert-base-uncased来降低需求。磁盘空间: 预训练模型缓存和微调后的模型保存需要约 1-3 GB 空间。4. 项目结构与数据准备我们以一个简单的二分类情感分析积极/消极为例。假设我们有一个 CSV 文件reviews.csv包含两列text(评论内容) 和label(0 表示消极1 表示积极)。项目目录结构建议如下sentiment_analysis_project/ ├── data/ │ ├── raw/ │ │ └── reviews.csv # 原始数据 │ └── processed/ # 处理后的数据可选 ├── src/ │ ├── train.py # 训练与评估脚本 │ ├── inference.py # 推理脚本 │ └── api.py # FastAPI 服务脚本可选 ├── models/ │ └── fine-tuned-bert/ # 微调后的模型保存目录 ├── outputs/ # 训练日志、评估结果 └── requirements.txt数据准备代码示例 (src/data_preprocess.py或直接在 train.py 中):我们使用 Hugging Facedatasets库加载和预处理数据它非常高效且与TrainerAPI 无缝集成。import pandas as pd from datasets import Dataset, DatasetDict from sklearn.model_selection import train_test_split # 1. 加载原始数据 df pd.read_csv(‘data/raw/reviews.csv‘) # 假设数据格式 text, label print(df.head()) # 2. 划分训练集、验证集、测试集 (例如 70%/15%/15%) train_df, temp_df train_test_split(df, test_size0.3, random_state42, stratifydf[‘label‘]) val_df, test_df train_test_split(temp_df, test_size0.5, random_state42, stratifytemp_df[‘label‘]) print(f“Train size: {len(train_df)}, Val size: {len(val_df)}, Test size: {len(test_df)}“) # 3. 转换为 Hugging Face Dataset 格式 train_dataset Dataset.from_pandas(train_df) val_dataset Dataset.from_pandas(val_df) test_dataset Dataset.from_pandas(test_df) # 4. 组合成 DatasetDict dataset_dict DatasetDict({ “train“: train_dataset, “validation“: val_dataset, “test“: test_dataset }) # 可以保存为本地文件方便下次直接加载 dataset_dict.save_to_disk(‘data/processed/sentiment_dataset‘)5. 模型微调实战这是最核心的部分。我们将使用bert-base-uncased模型因为它平衡了效果和资源消耗。整个过程分为加载模型和分词器、数据预处理、设置训练参数、训练、评估。完整的训练与评估脚本 (src/train.py):import torch from transformers import ( AutoTokenizer, AutoModelForSequenceClassification, TrainingArguments, Trainer, DataCollatorWithPadding ) from datasets import load_from_disk import evaluate import numpy as np import os # 0. 设置环境 os.environ[“CUDA_VISIBLE_DEVICES“] “0“ # 指定使用哪块GPU如果是多卡环境 device torch.device(“cuda“ if torch.cuda.is_available() else “cpu“) print(f“Using device: {device}“) # 1. 加载数据集 dataset_path “data/processed/sentiment_dataset“ dataset load_from_disk(dataset_path) print(dataset) # 2. 加载预训练模型和分词器 model_name “bert-base-uncased“ # 可以替换为 ‘distilbert-base-uncased‘ (更轻量) 或 ‘roberta-base‘ tokenizer AutoTokenizer.from_pretrained(model_name) model AutoModelForSequenceClassification.from_pretrained(model_name, num_labels2) # 二分类 model.to(device) # 3. 数据预处理函数 def preprocess_function(examples): # 对文本进行分词、截断、填充 return tokenizer(examples[“text“], truncationTrue, padding“max_length“, max_length128) # 应用预处理到所有数据分片 tokenized_datasets dataset.map(preprocess_function, batchedTrue) # 4. 定义评估指标 # 加载准确率和 F1 指标 accuracy_metric evaluate.load(“accuracy“) f1_metric evaluate.load(“f1“) def compute_metrics(eval_pred): logits, labels eval_pred predictions np.argmax(logits, axis-1) acc accuracy_metric.compute(predictionspredictions, referenceslabels) f1 f1_metric.compute(predictionspredictions, referenceslabels, average“weighted“) # 可以添加更多指标如 precision, recall return {“accuracy“: acc[“accuracy“], “f1“: f1[“f1“]} # 5. 设置训练参数 training_args TrainingArguments( output_dir“./outputs/bert-sentiment“, # 输出目录日志、检查点 overwrite_output_dirTrue, evaluation_strategy“epoch“, # 每个 epoch 后在验证集评估 save_strategy“epoch“, # 每个 epoch 保存模型 learning_rate2e-5, # 学习率微调的典型值 per_device_train_batch_size16, # 每个 GPU/CPU 的训练批次大小 per_device_eval_batch_size64, # 评估批次大小可以大一些 num_train_epochs3, # 训练轮数根据数据量调整 weight_decay0.01, # 权重衰减防止过拟合 logging_dir‘./logs‘, # 日志目录 logging_steps50, # 每 50 步记录一次日志 load_best_model_at_endTrue, # 训练结束后加载最佳模型 metric_for_best_model“accuracy“, # 根据哪个指标选择最佳模型 save_total_limit2, # 只保留最近 2 个检查点 report_to“none“, # 不报告到在线平台如 wandb本地运行更干净 # fp16True, # 如果 GPU 支持混合精度训练可以开启以加速并节省显存 ) # 6. 初始化 Trainer trainer Trainer( modelmodel, argstraining_args, train_datasettokenized_datasets[“train“], eval_datasettokenized_datasets[“validation“], tokenizertokenizer, data_collatorDataCollatorWithPadding(tokenizertokenizer), # 动态填充 compute_metricscompute_metrics, ) # 7. 开始训练 print(“Starting training...“) trainer.train() # 8. 训练完成后在测试集上评估最终模型性能 print(“\nEvaluating on test set...“) test_results trainer.evaluate(tokenized_datasets[“test“]) print(f“Test set results: {test_results}“) # 9. 保存最终模型和分词器 save_path “models/fine-tuned-bert“ trainer.save_model(save_path) tokenizer.save_pretrained(save_path) print(f“Model and tokenizer saved to {save_path}“)关键参数与资源观察per_device_train_batch_size: 这是影响显存占用的最主要参数。bert-base-uncased在batch_size16时显存占用可能在 6-8 GB。如果显存不足可以降低到 8 或 4并相应增大gradient_accumulation_steps在TrainingArguments中设置来补偿。fp16: 开启混合精度训练可以显著降低显存占用并加速训练但可能导致数值不稳定。如果你的 GPU 支持Volta 架构及以后可以尝试开启。训练过程监控运行脚本后控制台会输出损失、评估指标。你也可以使用tensorboard --logdir ./logs来可视化训练过程。6. 模型评估与结果分析训练完成后Trainer会自动在验证集上评估并输出指标。但我们需要更深入地理解这些指标。1. 理解评估指标准确率 (Accuracy): 所有样本中预测正确的比例。在类别平衡的数据集上很有用。精确率 (Precision): 对于“积极”类在所有被模型预测为“积极”的样本中真正是“积极”的比例。高精确率意味着模型说“积极”时很可信。召回率 (Recall): 对于“积极”类在所有真正的“积极”样本中被模型正确找出来的比例。高召回率意味着模型很少漏掉真正的“积极”样本。F1 分数 (F1-Score): 精确率和召回率的调和平均数是综合衡量指标。特别是当数据类别不平衡时比准确率更有参考价值。我们可以扩展compute_metrics函数来计算更详细的分类报告from sklearn.metrics import classification_report, confusion_matrix import seaborn as sns import matplotlib.pyplot as plt def compute_detailed_metrics(eval_pred): logits, labels eval_pred predictions np.argmax(logits, axis-1) # 基础指标 acc accuracy_metric.compute(predictionspredictions, referenceslabels) f1 f1_metric.compute(predictionspredictions, referenceslabels, average“weighted“) # 详细分类报告输出到控制台或文件 print(“\n“ ““*50) print(“Detailed Classification Report:“) print(classification_report(labels, predictions, target_names[‘Negative‘, ‘Positive‘])) print(““*50 “\n“) # 可以在这里保存报告或绘制混淆矩阵 # cm confusion_matrix(labels, predictions) # sns.heatmap(cm, annotTrue, fmt‘d‘, cmap‘Blues‘) # plt.xlabel(‘Predicted‘) # plt.ylabel(‘True‘) # plt.savefig(‘confusion_matrix.png‘) return {“accuracy“: acc[“accuracy“], “f1“: f1[“f1“]}2. 如何判断模型好坏对比基线: 在测试集上你的微调模型指标应该显著优于直接在预训练模型上做零样本预测如果支持或简单的规则模型如关键词匹配。过拟合检查: 观察训练集损失持续下降而验证集损失先降后升或停滞这是过拟合的典型标志。可以通过增加数据、使用 Dropout、早停early_stopping或更强的正则化增大weight_decay来缓解。指标一致性: 如果业务更关注“不误伤”即模型判断为消极的必须真是消极那就重点看“消极”类的精确率。如果更关注“不漏报”即所有消极评论都要找出来那就重点看“消极”类的召回率。F1 是两者的平衡。7. 模型推理与 API 服务封装模型评估合格后下一步就是把它用起来。我们将实现单条推理和批量推理并封装成一个简单的 HTTP API 服务。单条/批量推理脚本 (src/inference.py):import torch from transformers import AutoTokenizer, AutoModelForSequenceClassification import numpy as np class SentimentAnalyzer: def __init__(self, model_path“models/fine-tuned-bert“): self.device torch.device(“cuda“ if torch.cuda.is_available() else “cpu“) print(f“Loading model from {model_path} on {self.device}...“) self.tokenizer AutoTokenizer.from_pretrained(model_path) self.model AutoModelForSequenceClassification.from_pretrained(model_path).to(self.device) self.model.eval() # 设置为评估模式 self.id2label {0: “NEGATIVE“, 1: “POSITIVE“} # 根据你的标签定义修改 def predict_single(self, text): “““预测单条文本的情感“““ inputs self.tokenizer(text, return_tensors“pt“, truncationTrue, paddingTrue, max_length128).to(self.device) with torch.no_grad(): outputs self.model(**inputs) logits outputs.logits probabilities torch.nn.functional.softmax(logits, dim-1) predicted_class_id logits.argmax().item() confidence probabilities[0][predicted_class_id].item() return { “text“: text, “sentiment“: self.id2label[predicted_class_id], “confidence“: confidence, “class_id“: predicted_class_id } def predict_batch(self, texts): “““批量预测效率更高“““ inputs self.tokenizer(texts, return_tensors“pt“, truncationTrue, paddingTrue, max_length128).to(self.device) with torch.no_grad(): outputs self.model(**inputs) logits outputs.logits probabilities torch.nn.functional.softmax(logits, dim-1) predicted_class_ids logits.argmax(dim-1).cpu().numpy() confidences probabilities[torch.arange(len(texts)), predicted_class_ids].cpu().numpy() results [] for i, text in enumerate(texts): results.append({ “text“: text, “sentiment“: self.id2label[predicted_class_ids[i]], “confidence“: confidences[i], “class_id“: int(predicted_class_ids[i]) }) return results if __name__ “__main__“: # 使用示例 analyzer SentimentAnalyzer() # 单条推理 test_text “This movie is absolutely fantastic, I love it!“ result analyzer.predict_single(test_text) print(“Single prediction:“, result) # 批量推理 batch_texts [ “The product is okay, but the delivery was late.“, “Worst experience ever, will never buy again.“, “Excellent service and high quality, highly recommended.“ ] batch_results analyzer.predict_batch(batch_texts) print(“\nBatch predictions:“) for res in batch_results: print(f“ - {res[‘text‘][:50]}... - {res[‘sentiment‘]} (conf: {res[‘confidence‘]:.3f})“)封装为 FastAPI 服务 (src/api.py):将模型变成一个 HTTP 服务方便其他系统调用。from fastapi import FastAPI, HTTPException from pydantic import BaseModel from typing import List, Optional import uvicorn from src.inference import SentimentAnalyzer # 假设推理类在上一级目录的 src 下 # 定义请求和响应模型 class SentimentRequest(BaseModel): text: Optional[str] None texts: Optional[List[str]] None # 支持单条和批量 class SentimentResponse(BaseModel): text: str sentiment: str confidence: float class_id: int class BatchSentimentResponse(BaseModel): results: List[SentimentResponse] # 初始化 FastAPI 应用和模型分析器 app FastAPI(title“Sentiment Analysis API“, version“1.0“) analyzer SentimentAnalyzer() app.get(“/“) def read_root(): return {“message“: “Sentiment Analysis API is running“} app.post(“/predict“, response_modelSentimentResponse) async def predict_single(request: SentimentRequest): if request.text is None: raise HTTPException(status_code400, detail“Text field is required for single prediction.“) try: result analyzer.predict_single(request.text) return result except Exception as e: raise HTTPException(status_code500, detailf“Prediction error: {str(e)}“) app.post(“/predict_batch“, response_modelBatchSentimentResponse) async def predict_batch(request: SentimentRequest): if request.texts is None or len(request.texts) 0: raise HTTPException(status_code400, detail“Texts list is required for batch prediction.“) try: results analyzer.predict_batch(request.texts) return BatchSentimentResponse(resultsresults) except Exception as e: raise HTTPException(status_code500, detailf“Batch prediction error: {str(e)}“) if __name__ “__main__“: # 启动服务默认在 http://127.0.0.1:8000 uvicorn.run(app, host“0.0.0.0“, port8000)启动与测试 API:运行服务python src/api.py使用curl或 Postman 测试# 测试单条预测 curl -X POST “http://127.0.0.1:8000/predict“ \ -H “Content-Type: application/json“ \ -d ‘{“text“: “I am very happy with this product.“}‘ # 测试批量预测 curl -X POST “http://127.0.0.1:8000/predict_batch“ \ -H “Content-Type: application/json“ \ -d ‘{“texts“: [“Good movie.“, “Bad experience.“, “It‘s okay.“]}‘8. 资源占用与性能观察了解资源消耗对于部署和优化至关重要。1. 训练阶段资源占用显存 (VRAM): 主要被模型参数、优化器状态、激活值和批次数据占用。监控命令: 在 Linux 终端可以另开一个窗口运行watch -n 1 nvidia-smi实时观察。影响因素:模型大小:bert-base-uncased(110M 参数) 比distilbert-base-uncased(66M 参数) 占用更多显存。批次大小 (batch_size): 线性增长。将batch_size从 16 降到 8显存占用可能减少 30%-40%。序列长度 (max_length): 直接影响输入张量大小。128 和 512 的显存占用差异巨大。混合精度 (fp16): 开启后通常可减少 30%-50% 的显存占用并加速计算。内存 (RAM): 加载数据集和处理时会占用。大型数据集需要足够的内存。CPU: 数据加载和预处理会消耗 CPU 资源。使用num_workers参数在TrainingArguments中设置dataloader_num_workers可以并行加载数据提升 GPU 利用率。2. 推理阶段资源占用显存: 远低于训练。只需加载模型和单批次数据。微调后的 BERT 模型进行推理时即使batch_size32显存占用也通常在 1-2 GB 以内。延迟 (Latency): 单条推理的耗时主要在前向传播。在 GPU 上单条句子长度 128的推理通常在 10-50 毫秒内。批量处理能极大提升吞吐量。优化建议:动态批处理: 在 API 服务中可以收集一段时间内的请求组成一个批次进行推理再返回结果以提高吞吐量。模型量化: 使用torch.quantization或transformers库支持的动态量化可以将模型压缩为 INT8显著减少内存占用和加速 CPU 推理精度损失很小。使用 ONNX Runtime: 将模型导出为 ONNX 格式并用 ONNX Runtime 推理在某些硬件上可能获得更好的性能。9. 常见问题与排查方法在实战中你可能会遇到以下问题。这里提供快速的排查思路。问题现象可能原因排查方式解决方案CUDA out of memory1. 批次大小 (batch_size) 太大。2. 模型太大。3. 序列长度 (max_length) 太长。4. 多进程数据加载导致内存碎片。1. 运行nvidia-smi观察显存使用峰值。2. 尝试在代码开头设置torch.cuda.empty_cache()。1.降低batch_size。2.开启梯度累积 (gradient_accumulation_steps)模拟大批次。3.开启混合精度训练 (fp16True)。4. 使用更小的模型 (如distilbert)。5. 减少max_length。训练损失不下降或波动大1. 学习率 (learning_rate) 不合适。2. 数据预处理有问题如标签错乱。3. 模型架构与任务不匹配。1. 检查数据加载和标签映射是否正确。2. 尝试更小的学习率 (如 5e-5, 1e-5)。3. 在极小数据集上过拟合看损失能否降到接近 0。1.调整学习率使用学习率调度器。2.检查数据确保text和label对应正确。3. 确保num_labels参数与你的分类数一致。评估指标 (如准确率) 非常低 ( 0.5)1. 标签定义与模型输出层不匹配。2. 数据严重不平衡且未处理。3. 模型根本未学习学习率极高/极低。1. 打印几条数据的预测结果和真实标签对比。2. 计算数据集中各类别的比例。3. 检查compute_metrics函数是否正确。1. 确认id2label映射。2. 对于不平衡数据在Trainer中设置class_weight或使用F1作为metric_for_best_model。3. 尝试从更小的学习率开始。transformers库无法下载模型1. 网络连接问题。2. Hugging Face 镜像或代理设置问题。1. 尝试curl https://huggingface.co。2. 检查是否设置了HF_ENDPOINT环境变量。1.使用国内镜像设置环境变量HF_ENDPOINThttps://hf-mirror.com。2. 手动下载模型文件到本地然后从本地路径加载。API 服务调用慢1. 每次请求都加载模型错误实现。2. 未使用批量推理。3. 服务器资源不足。1. 检查 API 代码确保模型是全局加载一次。2. 监控 GPU/CPU 使用率。1.确保模型在服务启动时只加载一次如本文示例。2.实现批量预测接口合并多个请求。3. 考虑使用异步框架如async/await或更高性能的服务器如torchserve。保存/加载模型时报错1. 保存路径权限不足。2. 保存的模型文件不完整。3. PyTorch 版本不兼容。1. 检查save_path目录是否存在且有写权限。2. 检查保存的目录是否包含pytorch_model.bin,config.json,tokenizer.json等文件。1. 确保使用trainer.save_model()和tokenizer.save_pretrained()。2. 加载时使用from_pretrained(‘your_local_path‘)。3. 保持训练和推理环境的一致性。10. 最佳实践与后续方向完成一次基础的微调、评估和部署后你可以从以下几个方向深化让项目更工程化、效果更好。1. 实验管理与可复现性记录超参数: 使用wandb(Weights Biases) 或mlflow记录每次实验的超参数、指标和模型版本。版本控制数据与代码: 使用 Git 管理代码并对处理后的数据集进行版本快照如 DVC。保存最佳模型: 利用TrainingArguments中的load_best_model_at_end和metric_for_best_model自动保存验证集上最好的模型。2. 提升模型效果数据增强: 对文本进行回译、同义词替换、随机删除等操作增加数据多样性。尝试不同模型: 除了 BERT可以尝试roberta-base,albert-base-v2,deberta-v3-base等它们在 GLUE 基准上可能有更好表现。超参数调优: 使用optuna或ray tune库对学习率、批次大小、训练轮数等进行系统搜索。集成学习: 训练多个不同模型或不同初始化的同一模型对它们的预测结果进行投票或平均。3. 工程化部署容器化: 使用 Docker 将 API 服务及其依赖打包确保环境一致。模型量化与加速: 如前所述探索量化、ONNX 转换、使用 TensorRT 或 FasterTransformer 进行推理优化。构建监控: 为 API 服务添加健康检查、请求日志、性能指标延迟、QPS和模型预测质量监控如预测置信度分布漂移。4. 扩展任务类型多分类情感分析: 例如“积极/消极/中性”三分类或更细粒度的“愤怒/高兴/悲伤/惊讶”等。只需修改num_labels参数和标签映射。多标签分类: 一段文本可能同时包含多种情感这需要将AutoModelForSequenceClassification替换为支持多标签的模型并使用BCEWithLogitsLoss。回归任务: 预测情感强度分数如 1-5 星这需要将num_labels设为 1并使用回归损失函数。这个实战项目为你提供了一个坚实的起点。核心价值不在于一次性的代码运行而在于你通过这个过程建立起的直觉如何准备数据、如何配置训练、如何解读评估指标、如何将模型转化为服务。接下来你可以用自己业务场景的数据替换示例数据真正解决一个实际问题。建议将本文的代码框架保存下来作为你未来 NLP 微调项目的模板。