1. 从安装文件中删除api/automl的安装

2. metric中存在seq_len的bug
3. sampler中存在命名错误，已修改

MANIFEST.in

@@ -3,3 +3,5 @@ include LICENSE
 include README.md
 prune test/
 prune reproduction/
+prune fastNLP/api
+prune fastNLP/automl

fastNLP/core/metrics.py

@@ -269,7 +269,7 @@ class AccuracyMetric(MetricBase):
     
     :param pred: 参数映射表中 `pred` 的映射关系，None表示映射关系为 `pred` -> `pred`
     :param target: 参数映射表中 `target` 的映射关系，None表示映射关系为 `target` -> `target`
-    :param seq_len: 参数映射表中 `seq_lens` 的映射关系，None表示映射关系为 `seq_len` -> `seq_len`
+    :param seq_len: 参数映射表中 `seq_len` 的映射关系，None表示映射关系为 `seq_len` -> `seq_len`
     """
     def __init__(self, pred=None, target=None, seq_len=None):
         
@@ -458,7 +458,7 @@ class SpanFPreRecMetric(MetricBase):
         在解码时，会将相同xxx的认为是同一个label，比如['B-NN', 'E-NN']会被合并为一个'NN'.
     :param str pred: 用该key在evaluate()时从传入dict中取出prediction数据。 为None，则使用'pred'取数据
     :param str target: 用该key在evaluate()时从传入dict中取出target数据。 为None，则使用'target'取数据
-    :param str seq_len: 用该key在evaluate()时从传入dict中取出sequence length数据。为None，则使用'seq_lens'取数据。
+    :param str seq_len: 用该key在evaluate()时从传入dict中取出sequence length数据。为None，则使用'seq_len'取数据。
     :param str encoding_type: 目前支持bio, bmes
     :param list ignore_labels: str 组成的list. 这个list中的class不会被用于计算。例如在POS tagging时传入['NN']，则不会计算'NN'这
         个label
@@ -729,9 +729,8 @@ class BMESF1PreRecMetric(MetricBase):
                                f"{pred.size()[:-1]}, got {target.size()}.")
 
         for idx in range(len(pred)):
-            seq_len = seq_len[idx]
-            target_tags = target[idx][:seq_len].tolist()
-            pred_tags = pred[idx][:seq_len]
+            target_tags = target[idx][:seq_len[idx]].tolist()
+            pred_tags = pred[idx][:seq_len[idx]]
             pred_tags = self._validate_tags(pred_tags)
             start_idx = 0
             for t_idx, (t_tag, p_tag) in enumerate(zip(target_tags, pred_tags)):

fastNLP/core/sampler.py

@@ -59,16 +59,16 @@ class BucketSampler(Sampler):
 
     :param int num_buckets: bucket的数量
     :param int batch_size: batch的大小
-    :param str seq_lens_field_name: 对应序列长度的 `field` 的名字
+    :param str seq_len_field_name: 对应序列长度的 `field` 的名字
     """
     
-    def __init__(self, num_buckets=10, batch_size=32, seq_lens_field_name='seq_len'):
+    def __init__(self, num_buckets=10, batch_size=32, seq_len_field_name='seq_len'):
         self.num_buckets = num_buckets
         self.batch_size = batch_size
-        self.seq_lens_field_name = seq_lens_field_name
+        self.seq_len_field_name = seq_len_field_name
     
     def __call__(self, data_set):
-        seq_lens = data_set.get_all_fields()[self.seq_lens_field_name].content
+        seq_lens = data_set.get_all_fields()[self.seq_len_field_name].content
         total_sample_num = len(seq_lens)
         
         bucket_indexes = []

test/core/test_sampler.py

@@ -38,7 +38,7 @@ class TestSampler(unittest.TestCase):
         assert len(_) == 10
 
     def test_BucketSampler(self):
-        sampler = BucketSampler(num_buckets=3, batch_size=16, seq_lens_field_name="seq_len")
+        sampler = BucketSampler(num_buckets=3, batch_size=16, seq_len_field_name="seq_len")
         data_set = DataSet({"x": [[0] * random.randint(1, 10)] * 10, "y": [[5, 6]] * 10})
         data_set.apply(lambda ins: len(ins["x"]), new_field_name="seq_len")
         indices = sampler(data_set)