Индивидуальное обучение NER в Spacy прекращается после первой итерации

Question

Я пытаюсь создать собственную модель NER для обучения определенного типа сущности с помощью Spacy. У меня есть данные тегов в формате CSV с сущностями в первом столбце и именами файлов во втором столбце. Пример:

Packets           abc.txt
Sachets           abc.txt
Bags              xyz.txt
Pouch             xyz.txt
cap               def.txt

У меня есть около 5 тысяч строк таких данных, которые нужно пометить. Общее количество файлов 700+. Проблема в том, что модель прекращает обучение после 1 итерации. Итак, из кода он будет print(losses)print("OUTTTTT") и затем остановится. Помеченный объект - это очень большой кортеж. Он не выполняет 10 итераций обучения, как указано. Может ли кто-нибудь помочь мне решить эту проблему. Прикрепленный код ниже для справки.

Код для справки:

import spacy
import psutil
import re
import csv
from spacy.matcher import PhraseMatcher
import plac
from pathlib import Path
import random
import psutil
import os
import json
import pdb





#Function to convert PhraseMatcher return value to string indexes 
def str_index_conversion(lbl, doc, matchitem):
    o_one = len(str(doc[0:matchitem[1]]))
    subdoc = doc[matchitem[1]:matchitem[2]]
    o_two = o_one + len(str(subdoc))
    return (o_one, o_two, lbl)

# nlp = spacy.load('en')
nlp = spacy.load('en')

if 'ner' not in nlp.pipe_names:
    ner = nlp.create_pipe('ner')
    nlp.add_pipe(ner)
else:
    ner = nlp.get_pipe('ner')

ner.add_label('PRODUCT')     

DIR = 'D:/Data'

matcher = PhraseMatcher(nlp.vocab, attr='lemma', validate=True)


list_str_index = []
to_train_ents = []
with open(r'D:\type16.csv', newline='', encoding ='utf-8') as myFile:

    reader = csv.reader(myFile)
    for row in reader:
        try:
            prod = row[0].lower()
            #print('K---'+ product)
            filename = row[1]
            file = open(DIR+filename, "r", encoding ='utf-8')
            print(file)
            filedata = file.read()
            for s in filedata:
                filedata = re.sub(r'\s+', ' ', filedata)
                filedata = re.sub(r'^https?:\/\/.*[\r\n]*', '', filedata, flags=re.MULTILINE)
                filedata = re.sub(r"http\S+", "", filedata)
                filedata = re.sub(r"[-\"#/@;:<>?{}*`• ?+=~|$.!‘?“”?,_]", " ", filedata)
                filedata = re.sub(r'\d+', '', filedata)#removing all numbers
                filedata = re.sub(' +', ' ',filedata)
                #filedata = filedata.encode().decode('unicode-escape')
                filedata = ''.join([line.lower() for line in filedata])
                if "," in product:
                    product_patterns = product.split(',')
                    product_patterns = [i.strip() for i in product_patterns]

                    for elem in product_patterns:
                        matcher.add('PRODUCT', None, nlp(elem)) 

                else:
                    matcher.add('PRODUCT', None, nlp(product))                
                print(filedata)
                doc = nlp(filedata)
                matches = matcher(doc)
                        #print(matches)
                list_str_index = [str_index_conversion('PRODUCT', doc, x) for x in matches]
                to_train_ents.append((filedata, dict(entities=list_str_index)))
                break


        except Exception as e:
            print(e)
            pass

to_train_entsfinal=to_train_ents    

# to_test_ents=to_train_ents[5000:5199]        


def main(model=None, output_dir=None):

    # top_memory_precentage_use = 100 # or what ever number you choose
    # def handle_memory(ruler):
    #     if psutil.virtual_memory().percent < top_memory_precentage_use:
    #         dump_ruler_nonascii(ruler)
    #         ruler = nlp.begin_training() #or just init the nlp object again
    #     return ruler

    # def dump_ruler_nonascii(ruler):
    #     path = Path(os.path.join(self.data_path, 'config.jsonl'))
    #     pattern = ruler.patterns
    #     with open(path, "a", encoding="utf-8") as f:
    #         for line in pattern:
    #             f.write(json.dumps(line, ensure_ascii=False) + "\n")
    #     return ruler
    # pdb.set_trace()


    other_pipes = [pipe for pipe in nlp.pipe_names if pipe != 'ner']

    with nlp.disable_pipes(*other_pipes):
        optimizer = nlp.begin_training()
            # only train NER
        for itn in range(10):

            losses = {}
            random.shuffle(to_train_entsfinal)
            for item in to_train_entsfinal:
                print(item)
                try:
                    print('FOUND TAGGED NER')
                    nlp.update([item[0]],
                               [item[1]],
                               sgd=optimizer,
                               drop=0.2,
                               losses=losses)
                except Exception as e:
                    print("Found exception")
                    pass
            print(losses)
            print("OUTTTTT")


    if output_dir is None:
        output_dir = "D:\\15april"


    noutput_dir = Path(output_dir)
    if not noutput_dir.exists():
        noutput_dir.mkdir()

    #nlp.meta['name'] = new_model_name
    nlp.to_disk(output_dir)


    random.shuffle(to_train_entsfinal)

if __name__ == '__main__':
    main()