Large

🚀 漏斗變換器（Funnel Transformer）大型模型 (B8 - 8 - 8 帶解碼器)

Funnel Transformer是一個預訓練模型，它使用與 ELECTRA 類似的目標在英文語料上進行訓練。該模型在 這篇論文 中被提出，並首次在 這個倉庫 中發佈。此模型不區分大小寫：它對 "english" 和 "English" 一視同仁。

免責聲明：發佈 Funnel Transformer 的團隊並未為此模型撰寫模型卡片，本模型卡片由 Hugging Face 團隊撰寫。

🚀 快速開始

Funnel Transformer 是一個以自監督方式在大量英文數據語料庫上進行預訓練的變換器（Transformer）模型。這意味著它僅在原始文本上進行預訓練，沒有人工對其進行任何標註（這也是它可以使用大量公開可用數據的原因），並通過自動流程從這些文本中生成輸入和標籤。

更確切地說，一個小型語言模型會對輸入文本進行擾亂，並作為此模型的輸入生成器，預訓練的目標是預測哪個標記是原始標記，哪個是被替換的標記，有點類似於生成對抗網絡（GAN）的訓練。

通過這種方式，模型學習到英語語言的內部表示，然後可用於提取對下游任務有用的特徵：例如，如果您有一個帶標籤的句子數據集，您可以使用 BERT 模型生成的特徵作為輸入來訓練一個標準分類器。

✨ 主要特性

預期用途與侷限性

您可以使用原始模型來提取給定文本的向量表示，但它主要用於在下游任務上進行微調。請查看 模型中心 以查找針對您感興趣的任務進行微調的版本。

請注意，此模型主要旨在針對使用整個句子（可能經過掩碼處理）來做出決策的任務進行微調，例如序列分類、標記分類或問答任務。對於文本生成等任務，您應該考慮使用像 GPT2 這樣的模型。

如何使用

以下是如何在 PyTorch 中使用此模型來獲取給定文本的特徵：

from transformers import FunnelTokenizer, FunnelModel
tokenizer = FunnelTokenizer.from_pretrained("funnel-transformer/large")
model = FunneModel.from_pretrained("funnel-transformer/large")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

在 TensorFlow 中的使用方式如下：

from transformers import FunnelTokenizer, TFFunnelModel
tokenizer = FunnelTokenizer.from_pretrained("funnel-transformer/large")
model = TFFunnelModel.from_pretrained("funnel-transformer/large")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='tf')
output = model(encoded_input)

📚 詳細文檔

訓練數據

BERT 模型在以下數據集上進行了預訓練：

• BookCorpus，一個包含 11,038 本未出版書籍的數據集。
• 英文維基百科（不包括列表、表格和標題）。
• Clue Web，一個包含 733,019,372 個英文網頁的數據集。
• GigaWord，一個新聞專線文本數據存檔。
• Common Crawl，一個原始網頁數據集。

BibTeX 引用和引用信息

@misc{dai2020funneltransformer,
    title={Funnel-Transformer: Filtering out Sequential Redundancy for Efficient Language Processing},
    author={Zihang Dai and Guokun Lai and Yiming Yang and Quoc V. Le},
    year={2020},
    eprint={2006.03236},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

📄 許可證

本項目採用 Apache-2.0 許可證。