Bert Tiny Finetuned Sst2

🚀 基於M - FAC微調的BERT - tiny模型

本模型在SST - 2數據集上使用了先進的二階優化器M - FAC進行微調。有關M - FAC的更多詳細信息，請查看NeurIPS 2021的論文：https://arxiv.org/pdf/2107.03356.pdf。

🚀 快速開始

✨ 微調設置

為了與默認的Adam基線進行公平比較，我們在如下框架中微調模型：[https://github.com/huggingface/transformers/tree/master/examples/pytorch/text - classification](https://github.com/huggingface/transformers/tree/master/examples/pytorch/text - classification)，並將Adam優化器替換為M - FAC。

M - FAC優化器使用的超參數如下：

learning rate = 1e-4
number of gradients = 1024
dampening = 1e-6

📈 實驗結果

我們分享了5次運行中表現最佳的模型，其在SST - 2驗證集上的得分如下：

accuracy = 83.02

在SST - 2驗證集上5次運行的均值和標準差如下：

可以通過在[https://github.com/huggingface/transformers/blob/master/examples/pytorch/text - classification/run_glue.py](https://github.com/huggingface/transformers/blob/master/examples/pytorch/text - classification/run_glue.py)中添加M - FAC優化器代碼，並運行以下bash腳本來複現實驗結果：

CUDA_VISIBLE_DEVICES=0 python run_glue.py \
  --seed 42 \
  --model_name_or_path prajjwal1/bert-tiny \
  --task_name sst2 \
  --do_train \
  --do_eval \
  --max_seq_length 128 \
  --per_device_train_batch_size 32 \
  --learning_rate 1e-4 \
  --num_train_epochs 3 \
  --output_dir out_dir/ \
  --optim MFAC \
  --optim_args '{"lr": 1e-4, "num_grads": 1024, "damp": 1e-6}'

我們認為，通過對超參數per_device_train_batch_size、learning_rate、num_train_epochs、num_grads和damp進行適度調整，這些結果可以得到進一步提升。為了進行公平比較並設置一個穩健的默認配置，我們在所有模型（bert - tiny、bert - mini）和所有數據集（SQuAD版本2和GLUE）上使用了相同的超參數。

📚 相關資源

我們的M - FAC代碼可在以下鏈接找到：[https://github.com/IST - DASLab/M - FAC](https://github.com/IST - DASLab/M - FAC)。 有關如何將M - FAC集成到任何存儲庫並使用的詳細教程可在以下鏈接找到：[https://github.com/IST - DASLab/M - FAC/tree/master/tutorials](https://github.com/IST - DASLab/M - FAC/tree/master/tutorials)。

📄 引用信息

@article{frantar2021m,
  title={M-FAC: Efficient Matrix-Free Approximations of Second-Order Information},
  author={Frantar, Elias and Kurtic, Eldar and Alistarh, Dan},
  journal={Advances in Neural Information Processing Systems},
  volume={35},
  year={2021}
}