Deberta V3 Xsmall

🚀 DeBERTaV3：使用帶梯度解耦嵌入共享的 ELECTRA 式預訓練改進 DeBERTa

DeBERTaV3 是一種基於預訓練的自然語言處理模型，它在 DeBERTa 的基礎上進行了改進，通過採用 ELECTRA 式預訓練和梯度解耦嵌入共享技術，顯著提升了模型在下游任務中的性能。

🚀 快速開始

模型概述

DeBERTa 通過解耦注意力和增強掩碼解碼器改進了 BERT 和 RoBERTa 模型。藉助這兩項改進，DeBERTa 在使用 80GB 訓練數據的大多數自然語言理解（NLU）任務中表現優於 RoBERTa。

在 DeBERTa V3 中，我們使用帶梯度解耦嵌入共享的 ELECTRA 式預訓練進一步提高了 DeBERTa 的效率。與 DeBERTa 相比，我們的 V3 版本顯著提升了模型在下游任務中的性能。你可以從我們的 論文 中找到關於新模型的更多技術細節。

請查看 官方倉庫 以獲取更多實現細節和更新。

模型參數

DeBERTa V3 xsmall 模型有 12 層，隱藏層大小為 384。它只有 2200 萬 個骨幹參數，詞彙表包含 12.8 萬個標記，這在嵌入層引入了 4800 萬個參數。該模型與 DeBERTa V2 一樣，使用 160GB 數據進行訓練。

✨ 主要特性

NLU 任務微調結果

我們展示了在 SQuAD 2.0 和 MNLI 任務上的開發結果。

使用 HF transformers 進行微調

#!/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-xsmall \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 1000 \
  --per_device_train_batch_size ${batch_size} \
  --learning_rate 4.5e-5 \
  --num_train_epochs 3 \
  --output_dir $output_dir \
  --overwrite_output_dir \
  --logging_steps 1000 \
  --logging_dir $output_dir

📄 許可證

本項目採用 MIT 許可證。

引用

如果你發現 DeBERTa 對您的工作有用，請引用以下論文：

@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}
}