Deberta Large

🚀 DeBERTa：解釈可能な注意機構を備えたデコード強化型BERT

DeBERTaは、解釈可能な注意機構と強化されたマスクデコーダを用いて、BERTとRoBERTaモデルを改善しました。80GBのトレーニングデータを使用した場合、ほとんどの自然言語理解（NLU）タスクでBERTやRoBERTaよりも優れた性能を発揮します。

詳細情報や更新については、公式リポジトリをご覧ください。

🚀 クイックスタート

🔎 モデルの概要

DeBERTaは、Transformerアーキテクチャに基づく事前学習言語モデルです。BERTとRoBERTaをベースに、解釈可能な注意機構と強化されたマスクデコーダを導入することで、自然言語理解タスクにおけるモデルの性能を向上させています。

📊 NLUタスクにおけるモデルの微調整結果

DeBERTaのSQuAD 1.1/2.0およびいくつかのGLUEベンチマークタスクでの開発結果を示します。

📋 注意事項

• ¹ RoBERTaの手法に従い、RTE、MRPC、STS-Bタスクについては、DeBERTa-Large-MNLI、DeBERTa-XLarge-MNLI、DeBERTa-V2-XLarge-MNLI、DeBERTa-V2-XXLarge-MNLIをベースに微調整を行います。MNLI微調整モデルから始めると、SST-2/QQP/QNLI/SQuADv2の結果もわずかに向上しますが、ここでは事前学習ベースモデルから微調整した結果のみを報告しています。
• ² HF transformers を使用してXXLargeモデルを試す場合は、--sharded_ddpを指定する必要があります。

cd transformers/examples/text-classification/
export TASK_NAME=mrpc
python -m torch.distributed.launch --nproc_per_node=8 run_glue.py   --model_name_or_path microsoft/deberta-v2-xxlarge   \
--task_name $TASK_NAME   --do_train   --do_eval   --max_seq_length 128   --per_device_train_batch_size 4   \
--learning_rate 3e-6   --num_train_epochs 3   --output_dir /tmp/$TASK_NAME/ --overwrite_output_dir --sharded_ddp --fp16

📖 引用

もしDeBERTaがあなたの研究に役立った場合は、以下の論文を引用してください。

@inproceedings{
he2021deberta,
title={DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION},
author={Pengcheng He and Xiaodong Liu and Jianfeng Gao and Weizhu Chen},
booktitle={International Conference on Learning Representations},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}

📄 ライセンス

このプロジェクトはMITライセンスの下で提供されています。