今天摆了个大的，下了一白天的棋，上了个小段。我觉得可能是因为昨晚买了2月2回家的票之后，心思稍微有点飘。晚上九点开始做做样子。

接着跟NLP的教程，发现了evaluate模块的变迁，evaluate.list_evaluation_modules(include_community=False)这个传参已经没用了，因为社区架构已经改变了，官方模块（如 accuracy, f1 等）已经迁移到 Hub 上作为社区模块托管。

evaluate分三种，normalize 1输出准确率，0则输出对了几个，在normalize 1 里面，还可以额外设置sample weight ，表示对不同样本的关注程度，输出加权后的准确率。

把evaluate封装学习了一下之后，回到前面的model里面，用封装好的evaluate来代替原本手写的evaluate模块来在每个epoch训练之后在验证集上展示模型性能。

trainer是transformer的训练函数，封装了完整的训练评估，集成多种后端，Deepspeed，pytorch FSDP等。

把TrainingArguments可以调整的主要参数都试了一下，然后把train_arg传入Trainer训练了几次，查看输出的文件有什么不同，data_collator用于将所有数据填充到一批的最大值，compute_metrics和eval_strategy联动。

eval_strategy="epoch" 决定何时评估

• 每个 epoch 结束时触发评估

compute_metrics=eval_metric 决定如何评估

• 当评估被触发时，自动调用这个函数计算指标

总算是把hugging face组件的基础教程看完了。

差不多要开始做能写到简历上的项目了，之前拿着minimind 这个toy项目，只训练了一遍，过了一下流程，甚至没有魔改任何地方就去投字节，是我太年轻了，字节HR也是神了，这能让我过简历筛，估计是拿我刷KPI吧 (*^_^*) 乐

lc:148(我最讨厌这种mid难度但是代码巨长的了，依稀记得还有easy难度代码也贼长的)

12点下班。