Mobilebert Uncased Squad V2

🚀 MobileBERT在SQuAD v2上微調

本項目基於MobileBERT在SQuAD v2數據集上進行微調，用於問答任務。MobileBERT是BERT_LARGE的精簡版本，配備了瓶頸結構，並在自注意力機制和前饋網絡之間進行了精心設計的平衡。

🚀 快速開始

示例代碼

from transformers import pipeline

qa_pipeline = pipeline(
    "question-answering",
    model="csarron/mobilebert-uncased-squad-v2",
    tokenizer="csarron/mobilebert-uncased-squad-v2"
)

predictions = qa_pipeline({
    'context': "The game was played on February 7, 2016 at Levi's Stadium in the San Francisco Bay Area at Santa Clara, California.",
    'question': "What day was the game played on?"
})

print(predictions)
# 輸出:
# {'score': 0.71434086561203, 'start': 23, 'end': 39, 'answer': 'February 7, 2016'}

✨ 主要特性

• 模型精簡：MobileBERT是BERT_LARGE的精簡版本，在保持性能的同時減少了模型大小。
• 微調優化：在SQuAD v2數據集上進行微調，適用於問答任務。

📦 安裝指南

環境要求

• Python: 3.7.5
• 機器配置：
  • CPU: Intel(R) Core(TM) i7-6800K CPU @ 3.40GHz
  • 內存: 32 GiB
  • GPU: 2 GeForce GTX 1070，每塊顯存8GiB
  • GPU驅動: 418.87.01，CUDA: 10.1

安裝步驟

# 安裝https://github.com/huggingface/transformers
cd examples/question-answering
mkdir -p data

wget -O data/train-v2.0.json https://rajpurkar.github.io/SQuAD-explorer/dataset/train-v2.0.json

wget -O data/dev-v2.0.json  https://rajpurkar.github.io/SQuAD-explorer/dataset/dev-v2.0.json

export SQUAD_DIR=`pwd`/data

python run_squad.py \
  --model_type mobilebert \
  --model_name_or_path google/mobilebert-uncased \
  --do_train \
  --do_eval \
  --do_lower_case \
  --version_2_with_negative \
  --train_file $SQUAD_DIR/train-v2.0.json \
  --predict_file $SQUAD_DIR/dev-v2.0.json \
  --per_gpu_train_batch_size 16 \
  --per_gpu_eval_batch_size 16 \
  --learning_rate 4e-5 \
  --num_train_epochs 5.0 \
  --max_seq_length 320 \
  --doc_stride 128 \
  --warmup_steps 1400 \
  --save_steps 2000 \
  --output_dir $SQUAD_DIR/mobilebert-uncased-warmup-squad_v2 2>&1 | tee train-mobilebert-warmup-squad_v2.log

微調大約需要3.5小時完成。

📚 詳細文檔

數據集詳情

微調結果

請注意，上述結果未進行任何超參數搜索。

📄 許可證

本項目採用MIT許可證。

由 Qingqing Cao 創建 | GitHub | Twitter

於紐約用心打造。