V3large 1epoch

🚀 DeBERTa: ディスエンタングルド・アテンションを用いたデコーディング強化型BERT

DeBERTa は、ディスエンタングルド・アテンションと強化型マスク・デコーダを用いて、BERT と RoBERTa モデルを改善します。80GB の学習データを用いて、大多数の自然言語理解（NLU）タスクで BERT と RoBERTa を上回る性能を発揮します。 詳細と更新情報については、公式リポジトリ をご確認ください。 これは、48 層、隠れ層サイズ 1536 の DeBERTa V2 xxlarge モデルです。総パラメータ数は 15 億で、160GB の生データを用いて学習されています。

✨ 主な機能

• ディスエンタングルド・アテンションと強化型マスク・デコーダにより、BERT と RoBERTa を改善。
• 多数の NLU タスクで高い性能を発揮。

📦 インストール

Deepspeed を使用して実行する場合:

pip install datasets
pip install deepspeed
# ディープスピードの設定ファイルをダウンロード
wget https://huggingface.co/microsoft/deberta-v2-xxlarge/resolve/main/ds_config.json -O ds_config.json
export TASK_NAME=mnli
output_dir="ds_results"
num_gpus=8
batch_size=8
python -m torch.distributed.launch --nproc_per_node=${num_gpus} \
  run_glue.py \
  --model_name_or_path microsoft/deberta-v2-xxlarge \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --max_seq_length 256 \
  --per_device_train_batch_size ${batch_size} \
  --learning_rate 3e-6 \
  --num_train_epochs 3 \
  --output_dir $output_dir \
  --overwrite_output_dir \
  --logging_steps 10 \
  --logging_dir $output_dir \
  --deepspeed ds_config.json

--sharded_ddp を使用して実行する場合:

cd transformers/examples/text-classification/
export TASK_NAME=mnli
python -m torch.distributed.launch --nproc_per_node=8 run_glue.py   --model_name_or_path microsoft/deberta-v2-xxlarge   \
--task_name $TASK_NAME   --do_train   --do_eval   --max_seq_length 256   --per_device_train_batch_size 8   \
--learning_rate 3e-6   --num_train_epochs 3   --output_dir /tmp/$TASK_NAME/ --overwrite_output_dir --sharded_ddp --fp16

📚 ドキュメント

NLUタスクでのファインチューニング

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提示します。

注釈

• ¹ RoBERTa に従い、RTE、MRPC、STS-B のタスクについては、DeBERTa-Large-MNLI、DeBERTa-XLarge-MNLI、DeBERTa-V2-XLarge-MNLI、DeBERTa-V2-XXLarge-MNLI をベースにファインチューニングを行います。SST-2/QQP/QNLI/SQuADv2 の結果も、MNLI でファインチューニングされたモデルから始めるとわずかに改善されますが、これら 4 つのタスクについては、事前学習されたベースモデルからファインチューニングされた数値のみを報告しています。
• ² HF transformers で XXLarge モデルを試す場合は、高速でメモリを節約できる deepspeed の使用をお勧めします。

引用

もしあなたの研究に DeBERTa が役立った場合、次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 ライセンスの下で公開されています。