Bert Base Uncased Squadv1 X1.84 F88.7 D36 Hybrid Filled V1

🚀 BERT-base無大小寫區分模型在SQuAD v1上微調

本項目是一個基於BERT-base無大小寫區分模型在SQuAD v1數據集上進行微調的問答系統。通過使用特定的剪枝技術，在保證模型性能的同時，顯著提升了模型的推理速度。

✨ 主要特性

• 高效推理：通過剪枝技術，模型在評估時的運行速度比密集模型快1.84倍。
• 性能提升：與密集版本相比，F1分數提高了0.22，達到了88.72。
• 參數減少：線性層僅保留了原權重的36.0%，整體模型保留了原權重的50.0%。

📦 安裝指南

安裝nn_pruning庫，其中包含優化腳本，可通過移除空行/列將線性層打包成更小的矩陣。

pip install nn_pruning

💻 使用示例

基礎用法

from transformers import pipeline
from nn_pruning.inference_model_patcher import optimize_model

qa_pipeline = pipeline(
    "question-answering",
    model="madlag/bert-base-uncased-squadv1-x1.84-f88.7-d36-hybrid-filled-v1",
    tokenizer="madlag/bert-base-uncased-squadv1-x1.84-f88.7-d36-hybrid-filled-v1"
)

print("/home/lagunas/devel/hf/nn_pruning/nn_pruning/analysis/tmp_finetune parameters: 218.0M")
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)

📚 詳細文檔

模型信息

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 GeForce GTX 3090，顯存24GiB
GPU驅動: 455.23.05，CUDA: 11.1

結果

Pytorch模型文件大小：379MB（原始BERT：420MB）

🔧 技術細節

精細剪枝詳情

本模型是從HuggingFace的模型檢查點在SQuAD1.1上進行微調，並從模型csarron/bert-base-uncased-squad-v1進行蒸餾得到的。該模型不區分大小寫，即對英文的大小寫不做區分。

塊剪枝的一個副作用是部分注意力頭被完全移除：在總共144個注意力頭中，有48個（33.3%）被移除。以下是剪枝後剩餘注意力頭在網絡中的分佈詳情。

在評估時，通過對線性矩陣進行簡單的調整，模型的運行速度比密集模型快1.84倍。這是因為剪枝方法產生了結構化矩陣，你可以將鼠標懸停在下面的圖表上，查看每個矩陣的非零/零部分。

📄 許可證

本項目採用MIT許可證。