Roformer V2 Chinese Char Large

🚀 RoFormer-V2項目

RoFormer-V2項目提供了基於RoFormer-V2模型的不同版本實現，涵蓋了TensorFlow和PyTorch版本。該項目在多個自然語言處理任務的評測中展現出了優秀的性能，為相關領域的研究和應用提供了有力支持。

🚀 快速開始

安裝

• 使用pip進行安裝：

pip install roformer==0.4.3

使用示例

基礎用法

import torch
import tensorflow as tf
from transformers import BertTokenizer
from roformer import RoFormerForMaskedLM, TFRoFormerForMaskedLM
text = "今天[MASK]很好，我[MASK]去公園玩。"
tokenizer = BertTokenizer.from_pretrained("junnyu/roformer_v2_chinese_char_large")
pt_model = RoFormerForMaskedLM.from_pretrained("junnyu/roformer_v2_chinese_char_large")
tf_model = TFRoFormerForMaskedLM.from_pretrained(
    "junnyu/roformer_v2_chinese_char_base", from_pt=True
)
pt_inputs = tokenizer(text, return_tensors="pt")
tf_inputs = tokenizer(text, return_tensors="tf")
# pytorch
with torch.no_grad():
    pt_outputs = pt_model(**pt_inputs).logits[0]
pt_outputs_sentence = "pytorch: "
for i, id in enumerate(tokenizer.encode(text)):
    if id == tokenizer.mask_token_id:
        tokens = tokenizer.convert_ids_to_tokens(pt_outputs[i].topk(k=5)[1])
        pt_outputs_sentence += "[" + "||".join(tokens) + "]"
    else:
        pt_outputs_sentence += "".join(
            tokenizer.convert_ids_to_tokens([id], skip_special_tokens=True)
        )
print(pt_outputs_sentence)
# tf
tf_outputs = tf_model(**tf_inputs, training=False).logits[0]
tf_outputs_sentence = "tf: "
for i, id in enumerate(tokenizer.encode(text)):
    if id == tokenizer.mask_token_id:
        tokens = tokenizer.convert_ids_to_tokens(tf.math.top_k(tf_outputs[i], k=5)[1])
        tf_outputs_sentence += "[" + "||".join(tokens) + "]"
    else:
        tf_outputs_sentence += "".join(
            tokenizer.convert_ids_to_tokens([id], skip_special_tokens=True)
        )
print(tf_outputs_sentence)
# small
# pytorch: 今天[的||，||是||很||也]很好，我[要||會||是||想||在]去公園玩。
# tf: 今天[的||，||是||很||也]很好，我[要||會||是||想||在]去公園玩。
# base
# pytorch: 今天[我||天||晴||園||玩]很好，我[想||要||會||就||帶]去公園玩。
# tf: 今天[我||天||晴||園||玩]很好，我[想||要||會||就||帶]去公園玩。
# large
# pytorch: 今天[天||氣||我||空||陽]很好，我[又||想||會||就||愛]去公園玩。
# tf: 今天[天||氣||我||空||陽]很好，我[又||想||會||就||愛]去公園玩。

✨ 主要特性

• 多版本支持：提供了TensorFlow版本和PyTorch版本+TF2.0版本的實現。
  • TF版本：https://github.com/ZhuiyiTechnology/roformer-v2
  • PyTorch版本+TF2.0版本：https://github.com/JunnYu/RoFormer_pytorch
• 優秀的評測表現：在CLUE-dev和CLUE-1.0-test榜單的分類任務中，RoFormerV2-pytorch版本取得了較好的成績。

📦 評測對比

CLUE-dev榜單分類任務結果（base+large版本）

CLUE-1.0-test榜單分類任務結果（base+large版本）

注

• 其中RoFormerV2^*表示的是未進行多任務學習的RoFormerV2模型，該模型蘇神並未開源，感謝蘇神的提醒。
• 其中不帶有pytorch後綴結果都是從GAU-alpha倉庫複製過來的。
• 其中帶有pytorch後綴的結果都是自己訓練得出的。
• 蘇神代碼中拿了cls標籤後直接進行了分類，而本倉庫使用瞭如下的分類頭，多了2個dropout，1個dense，1個relu激活。

class RoFormerClassificationHead(nn.Module):
    def __init__(self, config):
        super().__init__()
        self.dense = nn.Linear(config.hidden_size, config.hidden_size)
        self.dropout = nn.Dropout(config.hidden_dropout_prob)
        self.out_proj = nn.Linear(config.hidden_size, config.num_labels)

        self.config = config

    def forward(self, features, **kwargs):
        x = features[:, 0, :]  # take <s> token (equiv. to [CLS])
        x = self.dropout(x)
        x = self.dense(x)
        x = ACT2FN[self.config.hidden_act](x) # 這裡是relu
        x = self.dropout(x)
        x = self.out_proj(x)
        return x

📚 詳細文檔

引用

Bibtex：

@misc{su2021roformer,
      title={RoFormer: Enhanced Transformer with Rotary Position Embedding}, 
      author={Jianlin Su and Yu Lu and Shengfeng Pan and Bo Wen and Yunfeng Liu},
      year={2021},
      eprint={2104.09864},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@techreport{roformerv2,
  title={RoFormerV2: A Faster and Better RoFormer - ZhuiyiAI},
  author={Jianlin Su, Shengfeng Pan, Bo Wen, Yunfeng Liu},
  year={2022},
  url="https://github.com/ZhuiyiTechnology/roformer-v2",
}