update部分代码

fastNLP/core/callbacks/torch_callbacks/torch_lr_sched_callback.py

@@ -41,10 +41,9 @@ class TorchWarmupCallback(Callback):
         return max((progress - 1.) / (self.warmup - 1.), 0.)
 
     def on_train_begin(self, trainer):
-        self.t_steps = trainer.n_batches
         if self.warmup >1:
-            self.warmup = self.warmup / self.t_steps
-        self.t_steps = max(2, self.t_steps)  # 不能小于2
+            self.warmup = self.warmup / trainer.n_batches
+        self.t_steps = max(2, trainer.n_batches)  # 不能小于2
         # 防止 t_steps 不能整除 accumulation_steps
         self.t_steps = math.ceil(self.t_steps/trainer.accumulation_steps) * trainer.accumulation_steps
         # 获取param_group的初始learning rate

fastNLP/core/collators/collator.py

@@ -107,7 +107,7 @@ class Collator:
     如果需要某些 field 不要包含在 pad 之后的结果中，可以使用 :meth:`~fastNLP.Collator.set_ignore` 进行设置。
 
     Collator 在第一次进行 pad 的时候自动根据设置以及数据情况，为每个 field 获取一个 padder ，在之后的每次调用中，都将使用对应
-    的 Padder 给对应的 field 。
+    的 Padder 给对应的 field 。由于 Collator 只能在某个 field 内进行 pad ，如果 pad 操作需要同时操作多个 field ，请不要使用 Collator 。
 
     :param backend: 对于可以 pad 的 field，使用哪种 tensor，支持 ``['torch','jittor','paddle','oneflow','numpy','raw', 'auto', None]``。
         若为 ``'auto'`` ，则在进行 pad 的时候会根据调用的环境决定其 ``backend`` 。该参数对不能进行 pad 的数据没有影响，无法 pad 的数据返回一定