GLiNER2模型训练教程：10行代码微调自己的NER与分类模型

GLiNER2模型训练教程：10行代码微调自己的NER与分类模型

【免费下载链接】GLiNER2Unified Schema-Based Information Extraction项目地址: https://gitcode.com/gh_mirrors/gl/GLiNER2

本教程带你从零开始完成GLiNER2 模型训练：只需约 10 行 Python 代码，即可用你自己的数据微调一个NER（命名实体识别）与文本分类模型。GLiNER2 是一个基于 Schema 的统一信息抽取框架，支持实体抽取、情感分类、结构化数据和关系抽取，全程本地运行、隐私安全。

什么是 GLiNER2？为什么适合新手微调？

传统 NER 模型每加一个实体类型就要重新设计标签体系，而 GLiNER2 采用Schema 驱动的设计：推理时你直接告诉模型"我要找哪些实体"，训练时只需准备简单的 JSONL 数据。

它有几个对新手特别友好的特点：

• 🎯一套模型多种任务：NER、文本分类、JSON 结构化抽取、关系抽取共用同一个模型
• 💻CPU 友好：推理不需要 GPU，普通笔记本就能跑
• 📦预训练模型丰富：可以直接加载公开检查点再微调，冷启动只需几百条数据
• 🛡️100% 本地处理：数据不出内网，适合隐私敏感场景

💡 想先看效果？可以先阅读 tutorial/2-ner.md 了解 NER 用法，再回来训练。

环境安装：一条命令完成配置

GLiNER2 要求Python 3.10+。训练功能需要安装带train扩展的版本：

pip install "gliner2[train]"

安装完成后，核心入口是AutoExtractor（加载模型）和ExtractorTrainer（训练器），源码分别位于 gliner2/training/trainer.py 与 gliner2/training/data.py。

第一步：准备 NER 训练数据（JSONL 格式）

GLiNER2 训练数据是 JSONL 文件，每行一条input+output。NER 数据只需要一个entities字典：实体类型 → 文本中的实体提及列表。

{"input": "John works at Google in California.", "output": {"entities": {"person": ["John"], "company": ["Google"], "location": ["California"]}}} {"input": "Apple released iPhone 15.", "output": {"entities": {"company": ["Apple"], "product": ["iPhone 15"]}}}

分类任务则用classifications字段，格式参考 tutorial/8-train_data.md 中的完整示例。

新手提示：

1. 实体文本必须精确出现在input原文中（区分大小写），否则校验会报错
2. 建议同时标注 10%~20% 的验证集数据，用于监控训练效果
3. 数据不足 500 条时，建议启用 LoRA（见下文进阶章节）

第二步：10 行代码启动 GLiNER2 微调

下面是最小的完整训练流程——加载预训练模型、配置超参数、开始训练：

from gliner2 import AutoExtractor from gliner2.training.trainer import ExtractorTrainer, TrainingConfig # 1. 加载预训练基座模型（span 架构） model = AutoExtractor.from_pretrained("fastino/gliner2-base-v1") # 2. 配置训练参数 config = TrainingConfig( output_dir="./ner_model", num_epochs=10, batch_size=8, encoder_lr=1e-5, task_lr=5e-4 ) # 3. 开始训练：直接传入 JSONL 文件 trainer = ExtractorTrainer(model, config) trainer.train(train_data="train.jsonl")

训练器会在验证时自动保存检查点，最优模型保存在./ner_model/best目录（save_best=True时）。完整参数说明见 tutorial/9-training.md。

第三步：加载训练好的模型并测试

训练完成后，用两行代码加载并使用你的 NER 模型：

from gliner2 import AutoExtractor model = AutoExtractor.from_pretrained("./ner_model/best") result = model.extract_entities( "Tim Cook is the CEO of Apple in Cupertino.", ["person", "company", "location"] ) # {'entities': {'person': ['Tim Cook'], 'company': ['Apple'], 'location': ['Cupertino']}}

分类微调怎么做？

分类任务的训练方式完全相同，区别只在数据格式。比如训练一个情感分类模型：

{"input": "This laptop has amazing performance!", "output": {"classifications": [{"task": "sentiment", "labels": ["positive", "negative", "neutral"], "true_label": "positive"}]}}

推理时改用classify_text方法：

result = model.classify_text("Battery life is terrible.", {"sentiment": ["positive", "negative", "neutral"]}) # {'sentiment': 'negative'}

甚至可以在一次训练中混合 NER + 分类 + 关系抽取（多任务训练），让一个模型同时学会所有技能，详见 tutorial/1-classification.md。

进阶：LoRA 高效微调与常见问题排查

显存不够？用 LoRA 只训练 1% 的参数

LoRA（低秩适配）冻结基座模型，只训练少量适配参数，显存占用降低 10~100 倍，且训练出的适配器文件仅 2~10 MB：

config = TrainingConfig( output_dir="./lora_output", num_epochs=10, use_lora=True, # 开启 LoRA lora_r=16, # 秩，常见 8/16/32 lora_alpha=32, # 缩放因子，通常取 2*r task_lr=5e-4 )

更实用的玩法是一个基座模型 + 多个领域适配器（法律、医疗、金融各一个），毫秒级热切换，详见 tutorial/10-lora_adapters.md。

常见问题快速排查

总结与延伸阅读

到这里，你已经掌握了 GLiNER2 模型训练的完整闭环：准备 JSONL 数据 → 10 行代码微调 → 加载测试 → LoRA 优化。几个建议帮你走得更远：

1. 先用max_train_samples=100跑通全流程，再上全量数据
2. 生产训练务必开启eval_strategy="steps"+save_best=True+ 早停
3. 领域适配（如医疗 NER）建议降低encoder_lr到5e-6防止过拟合

更多训练技巧可参考项目内置文档：

• 训练完整指南：tutorial/9-training.md
• 数据格式详解：tutorial/8-train_data.md
• LoRA 适配器实战：tutorial/10-lora_adapters.md
• 训练器源码：gliner2/training/trainer.py

【免费下载链接】GLiNER2Unified Schema-Based Information Extraction项目地址: https://gitcode.com/gh_mirrors/gl/GLiNER2