Fine-Tunning with Keras models from_preset

I am trying to fine-tune a DebertaV3 model using the new keras_nlp models from_preset and running into an strange error that I cannot quite understand.

Th error is indicating the “metric” is not built, but I am using a standard metric. The result is the same if I just use metrics=['accuracy']

The raw data are:

  • list of texts from a essays.
  • scores of the essays (ranging from 1 – 6)
Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>TensorFlow: 2.15.0
Keras: 3.3.3
keras-nlp: 0.11.1
</code>
<code>TensorFlow: 2.15.0 Keras: 3.3.3 keras-nlp: 0.11.1 </code>
TensorFlow: 2.15.0
Keras: 3.3.3
keras-nlp:  0.11.1
Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>preprocessor = keras_nlp.src.models.deberta_v3.deberta_v3_classifier.DebertaV3Preprocessor.from_preset('deberta_v3_base_en',
sequence_length=512)
classifier = keras_nlp.src.models.deberta_v3.deberta_v3_classifier.DebertaV3Classifier.from_preset('deberta_v3_base_en',
preprocessor=None,
load_weights=True,
num_classes=6)
# Train Data
train_texts = train_df.full_text.tolist() # Extract training texts
train_labels = train_df.score.tolist() # Extract training labels
train_encoded = preprocessor(train_texts)
train_ds = tf.data.Dataset.from_tensor_slices((train_encoded, train_labels))
train_ds = train_ds.batch(CFG.batch_size).prefetch(tf.data.AUTOTUNE)
# Valid Data
valid_texts = valid_df.full_text.tolist() # Extract validation texts
valid_labels = valid_df.score.tolist() # Extract validation labels
valid_encoded = preprocessor(valid_texts)
valid_ds = tf.data.Dataset.from_tensor_slices((valid_encoded, valid_labels))
valid_ds = valid_ds.batch(CFG.batch_size).prefetch(tf.data.AUTOTUNE)
# Model creation
classifier.backbone.trainable = False
inputs = classifier.input
#input_layer = tf.keras.Input(shape=(512,), dtype=tf.int32)
logits = classifier(inputs)
outputs = keras.layers.Activation("softmax")(logits)
model = tf.keras.Model(inputs, outputs, name='model_' + CFG.preset)
# Set the head of the model as trainable
for layer in model.layers:
layer.trainable = True
model.compile(
loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
optimizer=keras.optimizers.AdamW(5e-5),
metrics=[tf.keras.metrics.SparseCategoricalAccuracy(name='accuracy')],
jit_compile=True,
)
model.fit(
train_ds,
validation_data=valid_ds,
epochs=5
)
</code>
<code>preprocessor = keras_nlp.src.models.deberta_v3.deberta_v3_classifier.DebertaV3Preprocessor.from_preset('deberta_v3_base_en', sequence_length=512) classifier = keras_nlp.src.models.deberta_v3.deberta_v3_classifier.DebertaV3Classifier.from_preset('deberta_v3_base_en', preprocessor=None, load_weights=True, num_classes=6) # Train Data train_texts = train_df.full_text.tolist() # Extract training texts train_labels = train_df.score.tolist() # Extract training labels train_encoded = preprocessor(train_texts) train_ds = tf.data.Dataset.from_tensor_slices((train_encoded, train_labels)) train_ds = train_ds.batch(CFG.batch_size).prefetch(tf.data.AUTOTUNE) # Valid Data valid_texts = valid_df.full_text.tolist() # Extract validation texts valid_labels = valid_df.score.tolist() # Extract validation labels valid_encoded = preprocessor(valid_texts) valid_ds = tf.data.Dataset.from_tensor_slices((valid_encoded, valid_labels)) valid_ds = valid_ds.batch(CFG.batch_size).prefetch(tf.data.AUTOTUNE) # Model creation classifier.backbone.trainable = False inputs = classifier.input #input_layer = tf.keras.Input(shape=(512,), dtype=tf.int32) logits = classifier(inputs) outputs = keras.layers.Activation("softmax")(logits) model = tf.keras.Model(inputs, outputs, name='model_' + CFG.preset) # Set the head of the model as trainable for layer in model.layers: layer.trainable = True model.compile( loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True), optimizer=keras.optimizers.AdamW(5e-5), metrics=[tf.keras.metrics.SparseCategoricalAccuracy(name='accuracy')], jit_compile=True, ) model.fit( train_ds, validation_data=valid_ds, epochs=5 ) </code>
preprocessor = keras_nlp.src.models.deberta_v3.deberta_v3_classifier.DebertaV3Preprocessor.from_preset('deberta_v3_base_en',
                                               sequence_length=512)

classifier = keras_nlp.src.models.deberta_v3.deberta_v3_classifier.DebertaV3Classifier.from_preset('deberta_v3_base_en',
                                          preprocessor=None,
                                          load_weights=True,
                                          num_classes=6)

# Train Data
train_texts = train_df.full_text.tolist()  # Extract training texts
train_labels = train_df.score.tolist()  # Extract training labels
train_encoded = preprocessor(train_texts)
train_ds = tf.data.Dataset.from_tensor_slices((train_encoded, train_labels))
train_ds = train_ds.batch(CFG.batch_size).prefetch(tf.data.AUTOTUNE)

# Valid Data
valid_texts = valid_df.full_text.tolist()  # Extract validation texts
valid_labels = valid_df.score.tolist()  # Extract validation labels
valid_encoded = preprocessor(valid_texts)
valid_ds = tf.data.Dataset.from_tensor_slices((valid_encoded, valid_labels))
valid_ds = valid_ds.batch(CFG.batch_size).prefetch(tf.data.AUTOTUNE)

# Model creation
classifier.backbone.trainable = False

inputs = classifier.input
#input_layer = tf.keras.Input(shape=(512,), dtype=tf.int32)

logits = classifier(inputs)
outputs = keras.layers.Activation("softmax")(logits)

model = tf.keras.Model(inputs, outputs, name='model_' + CFG.preset)

# Set the head of the model as trainable
for layer in model.layers:
    layer.trainable = True

model.compile(
    loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    optimizer=keras.optimizers.AdamW(5e-5),
    metrics=[tf.keras.metrics.SparseCategoricalAccuracy(name='accuracy')],
    jit_compile=True,
)

model.fit(
    train_ds,
    validation_data=valid_ds,
    epochs=5
)
Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>Model: "model_deberta_v3_base_en"
┏━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┓
Layer (type) ┃ Output Shape ┃ Param # ┃ Connected to ┃
┡━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━┩
│ padding_mask │ (None, None)0 │ - │
(InputLayer) │ │ │ │
├─────────────────────┼───────────────────┼────────────┼───────────────────┤
│ token_ids │ (None, None)0 │ - │
(InputLayer) │ │ │ │
├─────────────────────┼───────────────────┼────────────┼───────────────────┤
│ deberta_v3_classif… │ (None, 6)184,426,7… │ padding_mask[0][… │
(DebertaV3Classifi… │ │ │ token_ids[0][0]
├─────────────────────┼───────────────────┼────────────┼───────────────────┤
│ activation_2 │ (None, 6)0 │ deberta_v3_class… │
(Activation) │ │ │ │
└─────────────────────┴───────────────────┴────────────┴───────────────────┘
Total params: 184,426,758 (703.53 MB)
Trainable params: 595,206 (2.27 MB)
Non-trainable params: 183,831,552 (701.26 MB)
</code>
<code>Model: "model_deberta_v3_base_en" ┏━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┓ ┃ Layer (type) ┃ Output Shape ┃ Param # ┃ Connected to ┃ ┡━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━┩ │ padding_mask │ (None, None) │ 0 │ - │ │ (InputLayer) │ │ │ │ ├─────────────────────┼───────────────────┼────────────┼───────────────────┤ │ token_ids │ (None, None) │ 0 │ - │ │ (InputLayer) │ │ │ │ ├─────────────────────┼───────────────────┼────────────┼───────────────────┤ │ deberta_v3_classif… │ (None, 6) │ 184,426,7… │ padding_mask[0][… │ │ (DebertaV3Classifi… │ │ │ token_ids[0][0] │ ├─────────────────────┼───────────────────┼────────────┼───────────────────┤ │ activation_2 │ (None, 6) │ 0 │ deberta_v3_class… │ │ (Activation) │ │ │ │ └─────────────────────┴───────────────────┴────────────┴───────────────────┘ Total params: 184,426,758 (703.53 MB) Trainable params: 595,206 (2.27 MB) Non-trainable params: 183,831,552 (701.26 MB) </code>
Model: "model_deberta_v3_base_en"
┏━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━┓
┃ Layer (type)        ┃ Output Shape      ┃    Param # ┃ Connected to      ┃
┡━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━┩
│ padding_mask        │ (None, None)      │          0 │ -                 │
│ (InputLayer)        │                   │            │                   │
├─────────────────────┼───────────────────┼────────────┼───────────────────┤
│ token_ids           │ (None, None)      │          0 │ -                 │
│ (InputLayer)        │                   │            │                   │
├─────────────────────┼───────────────────┼────────────┼───────────────────┤
│ deberta_v3_classif… │ (None, 6)         │ 184,426,7… │ padding_mask[0][… │
│ (DebertaV3Classifi… │                   │            │ token_ids[0][0]   │
├─────────────────────┼───────────────────┼────────────┼───────────────────┤
│ activation_2        │ (None, 6)         │          0 │ deberta_v3_class… │
│ (Activation)        │                   │            │                   │
└─────────────────────┴───────────────────┴────────────┴───────────────────┘
 Total params: 184,426,758 (703.53 MB)
 Trainable params: 595,206 (2.27 MB)
 Non-trainable params: 183,831,552 (701.26 MB)

Error:

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>ValueError Traceback (most recent call last)
Cell In[46], line 1
----> 1 model.fit(
2 train_ds,
3 validation_data=valid_ds,
4 epochs=CFG.epochs,
5 #callbacks=[lr_cb, ckpt_cb]
6 )
File /opt/conda/lib/python3.10/site-packages/keras/src/utils/traceback_utils.py:122, in filter_traceback.<locals>.error_handler(*args, **kwargs)
119 filtered_tb = _process_traceback_frames(e.__traceback__)
120 # To get the full stack trace, call:
121 # `keras.config.disable_traceback_filtering()`
--> 122 raise e.with_traceback(filtered_tb) from None
123 finally:
124 del filtered_tb
File /opt/conda/lib/python3.10/site-packages/keras/src/trainers/compile_utils.py:356, in CompileMetrics.result(self)
354 def result(self):
355 if not self.built:
--> 356 raise ValueError(
357 "Cannot get result() since the metric has not yet been built."
358 )
359 results = {}
360 unique_name_counters = {}
ValueError: Cannot get result() since the metric has not yet been built.
</code>
<code>ValueError Traceback (most recent call last) Cell In[46], line 1 ----> 1 model.fit( 2 train_ds, 3 validation_data=valid_ds, 4 epochs=CFG.epochs, 5 #callbacks=[lr_cb, ckpt_cb] 6 ) File /opt/conda/lib/python3.10/site-packages/keras/src/utils/traceback_utils.py:122, in filter_traceback.<locals>.error_handler(*args, **kwargs) 119 filtered_tb = _process_traceback_frames(e.__traceback__) 120 # To get the full stack trace, call: 121 # `keras.config.disable_traceback_filtering()` --> 122 raise e.with_traceback(filtered_tb) from None 123 finally: 124 del filtered_tb File /opt/conda/lib/python3.10/site-packages/keras/src/trainers/compile_utils.py:356, in CompileMetrics.result(self) 354 def result(self): 355 if not self.built: --> 356 raise ValueError( 357 "Cannot get result() since the metric has not yet been built." 358 ) 359 results = {} 360 unique_name_counters = {} ValueError: Cannot get result() since the metric has not yet been built. </code>
ValueError                                Traceback (most recent call last)
Cell In[46], line 1
----> 1 model.fit(
      2     train_ds,
      3     validation_data=valid_ds,
      4     epochs=CFG.epochs,
      5     #callbacks=[lr_cb, ckpt_cb]
      6 )

File /opt/conda/lib/python3.10/site-packages/keras/src/utils/traceback_utils.py:122, in filter_traceback.<locals>.error_handler(*args, **kwargs)
    119     filtered_tb = _process_traceback_frames(e.__traceback__)
    120     # To get the full stack trace, call:
    121     # `keras.config.disable_traceback_filtering()`
--> 122     raise e.with_traceback(filtered_tb) from None
    123 finally:
    124     del filtered_tb

File /opt/conda/lib/python3.10/site-packages/keras/src/trainers/compile_utils.py:356, in CompileMetrics.result(self)
    354 def result(self):
    355     if not self.built:
--> 356         raise ValueError(
    357             "Cannot get result() since the metric has not yet been built."
    358         )
    359     results = {}
    360     unique_name_counters = {}

ValueError: Cannot get result() since the metric has not yet been built.

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật