Deberta V3 Base

🚀 DeBERTaV3：使用带梯度解耦嵌入共享的ELECTRA式预训练改进DeBERTa

DeBERTaV3模型基于ELECTRA式预训练和梯度解耦嵌入共享技术，进一步提升了DeBERTa的效率和性能。在下游任务中，相较于DeBERTa，V3版本显著提升了模型表现。

🚀 快速开始

微调NLU任务

我们展示了在SQuAD 2.0和MNLI任务上的开发结果。

我们还展示了在SQuAD 1.1/2.0和MNLI任务上的开发结果。

使用HF Transformers进行微调

#!/bin/bash

cd transformers/examples/pytorch/text-classification/

pip install datasets
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-v3-base \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 500 \
  --per_device_train_batch_size ${batch_size} \
  --learning_rate 2e-5 \
  --num_train_epochs 3 \
  --output_dir $output_dir \
  --overwrite_output_dir \
  --logging_steps 1000 \
  --logging_dir $output_dir

✨ 主要特性

• 改进架构：DeBERTa通过解耦注意力和增强掩码解码器改进了BERT和RoBERTa模型。在80GB训练数据的情况下，DeBERTa在大多数NLU任务上的表现优于RoBERTa。
• 效率提升：在DeBERTa V3中，使用带梯度解耦嵌入共享的ELECTRA式预训练进一步提高了DeBERTa的效率。与DeBERTa相比，V3版本在下游任务上显著提升了模型性能。
• 模型参数：DeBERTa V3基础模型有12层，隐藏层大小为768。它只有8600万个骨干参数，词汇表包含12.8万个标记，在嵌入层引入了9800万个参数。该模型使用160GB数据进行训练，与DeBERTa V2相同。

🔧 技术细节

你可以从我们的论文中找到关于新模型的更多技术细节。

📚 详细文档

请查看官方仓库以获取更多实现细节和更新。

📄 许可证

本项目采用MIT许可证。

引用

如果你发现DeBERTa对你的工作有用，请引用以下论文：

@misc{he2021debertav3,
      title={DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing}, 
      author={Pengcheng He and Jianfeng Gao and Weizhu Chen},
      year={2021},
      eprint={2111.09543},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@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}
}