Roformer V2 Chinese Char Base

🚀 RoFormerV2

RoFormerV2は、回転位置埋め込みを用いた拡張トランスフォーマーで、自然言語処理タスクにおいて優れた性能を発揮します。

🚀 クイックスタート

このセクションでは、RoFormerV2のtfバージョンとpytorch+tf2.0バージョンのリンクを提供し、インストール方法と使用例を紹介します。

リンク

• tfバージョン: https://github.com/ZhuiyiTechnology/roformer-v2
• pytorchバージョン+tf2.0バージョン: https://github.com/JunnYu/RoFormer_pytorch

📦 インストール

以下のコマンドを使用して、RoFormerをインストールできます。

pip install roformer==0.4.3

✨ 主な機能

評価比較

CLUE-devランキングの分類タスク結果（base+largeバージョン）

CLUE-1.0-testランキングの分類タスク結果（base+largeバージョン）

注：

• RoFormerV2^*は、マルチタスク学習を行っていないRoFormerV2モデルを表し、このモデルは蘇神によってオープンソース化されていません。蘇神のご指摘に感謝いたします。
• pytorchの接尾辞がない結果は、GAU-alphaリポジトリからコピーしたものです。
• pytorchの接尾辞がある結果は、独自に訓練して得られたものです。
• 蘇神のコードでは、clsラベルを取得した後に直接分類を行っていますが、本リポジトリでは以下の分類ヘッドを使用しており、2つのdropout、1つのdense、1つのrelu活性化関数が追加されています。

💻 使用例

基本的な使用法

import torch
import tensorflow as tf
from transformers import BertTokenizer
from roformer import RoFormerForMaskedLM, TFRoFormerForMaskedLM

text = "今天[MASK]很好，我[MASK]去公园玩。"
tokenizer = BertTokenizer.from_pretrained("junnyu/roformer_v2_chinese_char_base")
pt_model = RoFormerForMaskedLM.from_pretrained("junnyu/roformer_v2_chinese_char_base")
tf_model = TFRoFormerForMaskedLM.from_pretrained(
    "junnyu/roformer_v2_chinese_char_base", from_pt=True
)
pt_inputs = tokenizer(text, return_tensors="pt")
tf_inputs = tokenizer(text, return_tensors="tf")
# pytorch
with torch.no_grad():
    pt_outputs = pt_model(**pt_inputs).logits[0]
pt_outputs_sentence = "pytorch: "
for i, id in enumerate(tokenizer.encode(text)):
    if id == tokenizer.mask_token_id:
        tokens = tokenizer.convert_ids_to_tokens(pt_outputs[i].topk(k=5)[1])
        pt_outputs_sentence += "[" + "||".join(tokens) + "]"
    else:
        pt_outputs_sentence += "".join(
            tokenizer.convert_ids_to_tokens([id], skip_special_tokens=True)
        )
print(pt_outputs_sentence)
# tf
tf_outputs = tf_model(**tf_inputs, training=False).logits[0]
tf_outputs_sentence = "tf: "
for i, id in enumerate(tokenizer.encode(text)):
    if id == tokenizer.mask_token_id:
        tokens = tokenizer.convert_ids_to_tokens(tf.math.top_k(tf_outputs[i], k=5)[1])
        tf_outputs_sentence += "[" + "||".join(tokens) + "]"
    else:
        tf_outputs_sentence += "".join(
            tokenizer.convert_ids_to_tokens([id], skip_special_tokens=True)
        )
print(tf_outputs_sentence)
# small
# pytorch: 今天[的||，||是||很||也]很好，我[要||会||是||想||在]去公园玩。
# tf: 今天[的||，||是||很||也]很好，我[要||会||是||想||在]去公园玩。
# base
# pytorch: 今天[我||天||晴||园||玩]很好，我[想||要||会||就||带]去公园玩。
# tf: 今天[我||天||晴||园||玩]很好，我[想||要||会||就||带]去公园玩。
# large
# pytorch: 今天[天||气||我||空||阳]很好，我[又||想||会||就||爱]去公园玩。
# tf: 今天[天||气||我||空||阳]很好，我[又||想||会||就||爱]去公园玩。

📚 ドキュメント

引用

Bibtex：

@misc{su2021roformer,
      title={RoFormer: Enhanced Transformer with Rotary Position Embedding}, 
      author={Jianlin Su and Yu Lu and Shengfeng Pan and Bo Wen and Yunfeng Liu},
      year={2021},
      eprint={2104.09864},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@techreport{roformerv2,
  title={RoFormerV2: A Faster and Better RoFormer - ZhuiyiAI},
  author={Jianlin Su, Shengfeng Pan, Bo Wen, Yunfeng Liu},
  year={2022},
  url="https://github.com/ZhuiyiTechnology/roformer-v2",
}