Bert Large Uncased Wwm Squadv2 X2.15 F83.2 D25 Hybrid V1

🚀 bert-large-uncased-whole-word-masking模型在SQuAD v2上的微調版本

本模型解決了問答任務中模型效率與精度平衡的問題，通過對模型進行剪枝，在一定程度上降低精度損失的同時顯著提升了運行速度，為問答系統的實際應用提供了更高效的解決方案。

🚀 快速開始

本模型是基於 nn_pruning Python庫創建的：線性層保留了原始權重的25.0%。

模型整體保留了原始權重的32.0%（嵌入層在模型中佔比很大，且此方法未對其進行剪枝）。

在評估中，通過簡單調整線性矩陣大小，該模型的運行速度是 bert-large-uncased-whole-word-masking 的 2.15倍。這是因為剪枝方法生成了結構化矩陣，將鼠標懸停在下方的圖表上，即可查看每個矩陣的非零/零部分。

在準確率方面，其 F1值為83.22，而 bert-large-uncased-whole-word-masking 的F1值為85.85，F1值下降了2.63。

🔧 技術細節

精細剪枝細節

本模型是基於HuggingFace的 模型 檢查點在 SQuAD2.0 上進行微調，並從 madlag/bert-large-uncased-whole-word-masking-finetuned-squadv2 模型中進行知識蒸餾得到的。

該模型不區分大小寫：即對英文中的大小寫不做區分。

塊剪枝的一個副作用是部分注意力頭被完全移除：在總共384個注意力頭中，有155個被移除（佔比40.4%）。 以下是剪枝後剩餘注意力頭在網絡中的詳細分佈情況。

SQuAD1.1數據集詳情

微調信息

• Python版本：3.8.5

• 機器規格：

CPU: Intel(R) Core(TM) i7-6700K CPU
內存: 64 GiB
GPU: 1塊GeForce GTX 3090，顯存24GiB
GPU驅動: 455.23.05，CUDA: 11.1

結果

Pytorch模型文件大小：1119MB（原始BERT模型：1228.0MB）

{
    "HasAns_exact": 76.48448043184885,
    "HasAns_f1": 82.55514100819374,
    "HasAns_total": 5928,
    "NoAns_exact": 83.8856181665265,
    "NoAns_f1": 83.8856181665265,
    "NoAns_total": 5945,
    "best_exact": 80.19034784805862,
    "best_exact_thresh": 0.0,
    "best_f1": 83.22133208932635,
    "best_f1_thresh": 0.0,
    "exact": 80.19034784805862,
    "f1": 83.22133208932645,
    "total": 11873
}

💻 使用示例

基礎用法

# Install nn_pruning: it contains the optimization script, which just pack the linear layers into smaller ones by removing empty rows/columns.
pip install nn_pruning

from transformers import pipeline
from nn_pruning.inference_model_patcher import optimize_model

qa_pipeline = pipeline(
    "question-answering",
    model="madlag/bert-large-uncased-wwm-squadv2-x2.15-f83.2-d25-hybrid-v1",
    tokenizer="madlag/bert-large-uncased-wwm-squadv2-x2.15-f83.2-d25-hybrid-v1"
)

print("bert-large-uncased-whole-word-masking parameters: 497.0M")
print(f"Parameters count (includes only head pruning, not feed forward pruning)={int(qa_pipeline.model.num_parameters() / 1E6)}M")
qa_pipeline.model = optimize_model(qa_pipeline.model, "dense")

print(f"Parameters count after complete optimization={int(qa_pipeline.model.num_parameters() / 1E6)}M")
predictions = qa_pipeline({
    'context': "Frédéric François Chopin, born Fryderyk Franciszek Chopin (1 March 1810 – 17 October 1849), was a Polish composer and virtuoso pianist of the Romantic era who wrote primarily for solo piano.",
    'question': "Who is Frederic Chopin?",
})
print("Predictions", predictions)

📄 許可證

本項目採用MIT許可證。