Indobert Lite Large P2

🚀 IndoBERT-Lite 大型模型 (阶段2 - 不区分大小写)

IndoBERT是一个基于BERT模型的印尼语先进语言模型。预训练模型使用掩码语言建模（MLM）目标和下一句预测（NSP）目标进行训练。

🚀 快速开始

你可以按照以下步骤使用该模型：

加载模型和分词器

from transformers import BertTokenizer, AutoModel
tokenizer = BertTokenizer.from_pretrained("indobenchmark/indobert-lite-large-p2")
model = AutoModel.from_pretrained("indobenchmark/indobert-lite-large-p2")

提取上下文表示

x = torch.LongTensor(tokenizer.encode('aku adalah anak [MASK]')).view(1,-1)
print(x, model(x)[0].sum())

✨ 主要特性

IndoBERT基于BERT模型，针对印尼语进行了优化，使用了掩码语言建模（MLM）和下一句预测（NSP）目标进行训练。

📦 安装指南

文档未提及安装步骤，可参考transformers库的安装方法来安装依赖。

💻 使用示例

基础用法

from transformers import BertTokenizer, AutoModel
tokenizer = BertTokenizer.from_pretrained("indobenchmark/indobert-lite-large-p2")
model = AutoModel.from_pretrained("indobenchmark/indobert-lite-large-p2")

高级用法

x = torch.LongTensor(tokenizer.encode('aku adalah anak [MASK]')).view(1,-1)
print(x, model(x)[0].sum())

📚 详细文档

所有预训练模型

具体各模型的参数数量和架构如下：

📄 许可证

本项目采用MIT许可证。

👨‍💻 作者

IndoBERT 由 Bryan Wilie*、Karissa Vincentio*、Genta Indra Winata*、Samuel Cahyawijaya*、Xiaohong Li、Zhi Yuan Lim、Sidik Soleman、Rahmad Mahendra、Pascale Fung、Syafri Bahar、Ayu Purwarianti 训练和评估。

📚 引用

如果使用本项目的成果，请引用以下文献：

@inproceedings{wilie2020indonlu,
  title={IndoNLU: Benchmark and Resources for Evaluating Indonesian Natural Language Understanding},
  author={Bryan Wilie and Karissa Vincentio and Genta Indra Winata and Samuel Cahyawijaya and X. Li and Zhi Yuan Lim and S. Soleman and R. Mahendra and Pascale Fung and Syafri Bahar and A. Purwarianti},
  booktitle={Proceedings of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 10th International Joint Conference on Natural Language Processing},
  year={2020}
}