distilbert-base-uncased-sparse-90-unstructured-pruneofaオープンソースモデル - 多言語タスクの微調整と重みの疎水化をサポート

ホーム

Distilbert Base Uncased Sparse 90 Unstructured Pruneofa

Intelによって開発

これは疎事前学習モデルで、一度の剪定方法により90％の重みを疎化し、複数の言語タスクに対して微調整できます。

大規模言語モデル

Transformers

英語オープンソースライセンス:Apache-2.0 #高疎度 #一度の剪定 #マルチタスク微調整

ダウンロード数 78

リリース時間 : 3/2/2022

モデル概要

このモデルは一度の剪定汎用方法を採用し、重みの疎化により計算コストを削減し、転移学習に適しています。

モデル特徴

一度の剪定汎用方法

一度の剪定で複数の下流タスクに適応でき、繰り返しの剪定は必要ありません。

90％の重み疎化

行列の疎化により計算コストを大幅に削減します。

転移学習に友好的

十分な重要な情報を保持し、複数の言語タスクの微調整に適しています。

モデル能力

テキスト理解

転移学習

質問応答システム

感情分析

自然言語推論

使用事例

自然言語処理

質問応答システム

微調整後、質問応答タスクに使用できます。

SQuADv1.1でEM/F1が76.91/84.82

テキスト分類

感情分析などの分類タスクに適しています。

SST - 2での正解率が90.02％

🚀 90% Sparse DistilBERT-Base (uncased) Prune Once for All

このモデルは、幅広い言語タスクに対して微調整可能な疎な事前学習モデルです。重みの剪定とは、ニューラルネットワークの一部の重みをゼロにすることです。一部の重みをゼロに設定すると、行列が疎になります。ニューラルネットワークの重みの更新には行列の乗算が含まれますが、十分な重要な情報を保持しながら行列を疎に保つことができれば、全体の計算オーバーヘッドを削減することができます。モデルのタイトルにある「sparse」という用語は、重みの疎度の比率を示しています。詳細については、Zafrir et al. (2021) を読むことができます。

Zafrir et al. (2021) からの Prunce Once for All 手法の可視化:

モデルの詳細	説明
モデルの作者 - 会社	Intel
日付	2021年9月30日
バージョン	1
タイプ	NLP - 一般的な疎な言語モデル
アーキテクチャ	"この手法は、教師モデルの準備と学生モデルの剪定の2つのステップから構成されています。私たちが学習した疎な事前学習モデルは、疎度パターンを維持しながら転移学習に使用するモデルです。事前学習モデルを一度だけ剪定しながら、いくつかの言語タスクに対して疎な事前学習モデルを微調整する方法を示しているため、この手法を Prune Once for All と呼んでいます。" (Zafrir et al., 2021)
論文またはその他のリソース	Zafrir et al. (2021); GitHub Repo
ライセンス	Apache 2.0
質問またはコメント	Community Tab と Intel Developers Discord

想定される使用方法	説明
主な想定使用用途	これは一般的な疎な言語モデルです。現在の状態では、下流の予測タスクには適していませんが、質問応答、ジャンル自然言語推論、感情分類など（これらに限定されません）のいくつかの言語タスクに対して微調整することができます。
主な想定ユーザー	他の下流タスクに効率的な一般的な言語モデルが必要な人。
想定外の使用方法	このモデルは、人々に敵対的または疎外感を与える環境を意図的に作り出すために使用してはなりません。

💻 使用例

基本的な使用法

import transformers

model = transformers.AutoModelForQuestionAnswering.from_pretrained('Intel/distilbert-base-uncased-sparse-90-unstructured-pruneofa')

より多くのコード例については、GitHub Repo を参照してください。

📊 メトリクス (モデルのパフォーマンス):

モデル	モデルサイズ	SQuADv1.1 (EM/F1)	MNLI-m (Acc)	MNLI-mm (Acc)	QQP (Acc/F1)	QNLI (Acc)	SST-2 (Acc)
80% Sparse BERT-Base uncased fine-tuned on SQuAD1.1	-	81.29/88.47	-	-	-	-	-
85% Sparse BERT-Base uncased	Medium	81.10/88.42	82.71	83.67	91.15/88.00	90.34	91.46
90% Sparse BERT-Base uncased	Medium	79.83/87.25	81.45	82.43	90.93/87.72	89.07	90.88
90% Sparse BERT-Large uncased	Large	83.35/90.20	83.74	84.20	91.48/88.43	91.39	92.95
85% Sparse DistilBERT uncased	Small	78.10/85.82	81.35	82.03	90.29/86.97	88.31	90.60
90% Sparse DistilBERT uncased	Small	76.91/84.82	80.68	81.47	90.05/86.67	87.66	90.02

すべての結果は、同じハイパーパラメータと異なるシードを使用した2つの別々の実験の平均です。

学習と評価データ	説明
データセット	English Wikipedia Dataset (2500M単語)。
動機	いくつかの下流の言語タスクに対して効率的で正確なベースモデルを構築すること。
前処理	"事前学習タスクでモデルを学習するために、英語のウィキペディアデータセット (2500M単語) を使用します。データを学習セット (95%) と検証セット (5%) に分割します。両方のセットは、モデルの元の論文 (Devlin et al., 2019, Sanh et al., 2019) で説明されているように前処理されます。データを処理して、モデルが許容する最大シーケンス長を使用しますが、確率0:1でより短いシーケンスを許容します。"

倫理的な考慮事項	説明
データ	学習データはウィキペディアの記事から取得されています。
人間の生活	このモデルは、人間の生活や繁栄にとって中心的な決定を下すための情報を提供することを意図していません。これは、ラベル付けされたウィキペディア記事の集まりです。
緩和策	モデル開発中に追加のリスク緩和戦略は考慮されていません。
リスクと害	多くの研究が、言語モデルのバイアスと公平性の問題を探求しています（例えば、Sheng et al., 2021 および Bender et al., 2021 を参照）。このモデルによって生成される予測には、保護されたクラス、アイデンティティの特性、および敏感な社会的および職業的グループにまたがる不快で有害なステレオタイプが含まれる可能性があります。これ以外にも、このモデルを使用することに伴うリスクの程度は不明です。
使用事例	-

注意事項と推奨事項
ユーザー（直接および下流の両方）は、このモデルのリスク、バイアス、および制限について認識されるべきです。このモデルには追加の注意事項または推奨事項はありません。

📄 ライセンス

このモデルは Apache 2.0 ライセンスの下で提供されています。

📖 BibTeXエントリと引用情報

@article{zafrir2021prune,
  title={Prune Once for All: Sparse Pre-Trained Language Models},
  author={Zafrir, Ofir and Larey, Ariel and Boudoukh, Guy and Shen, Haihao and Wasserblat, Moshe},
  journal={arXiv preprint arXiv:2111.05754},
  year={2021}
}