V2xl Again Mnli

🚀 DeBERTa: ディスエンタングルド・アテンションを用いたデコード強化型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NLUタスクでBERTや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MNLIタスクでファインチューニングされたDeBERTaの大規模モデルです。

🚀 クイックスタート

このモデルはMNLIタスクでファインチューニングされており、NLUタスクにおいて優れた性能を発揮します。以下のセクションでは、ファインチューニングの結果と使用上の注意点を紹介します。

✨ 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・デコーダを用いて、BERTとRoBERTaを改善。
• 80GBの学習データを使用し、多数のNLUタスクで高い性能を達成。

📚 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における開発結果を提示します。

注意事項

• ¹ RoBERTaに従い、RTE、MRPC、STS-Bについては、DeBERTa-Large-MNLI、DeBERTa-XLarge-MNLI、DeBERTa-V2-XLarge-MNLI、DeBERTa-V2-XXLarge-MNLIをベースにタスクをファインチューニングします。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若干改善しますが、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した数値のみを報告します。
• ² HF transformers でXXLargeモデルを試すには、--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

DeBERTaがあなたの研究に役立った場合、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ライセンスの下でライセンスされています。