Bert Tiny Finetuned Qnli

🚀 基於M - FAC微調的BERT - tiny模型

本模型使用了最先進的二階優化器M - FAC在QNLI數據集上進行了微調。 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

結果

我們分享了5次運行中表現最佳的模型，其在QNLI驗證集上的得分如下：

accuracy = 81.54

在QNLI驗證集上5次運行的均值和標準差如下：

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，可以復現這些結果：

CUDA_VISIBLE_DEVICES=0 python run_glue.py \
  --seed 8276 \
  --model_name_or_path prajjwal1/bert-tiny \
  --task_name qnli \
  --do_train \
  --do_eval \
  --max_seq_length 128 \
  --per_device_train_batch_size 32 \
  --learning_rate 1e-4 \
  --num_train_epochs 5 \
  --output_dir out_dir/ \
  --optim MFAC \
  --optim_args '{"lr": 1e-4, "num_grads": 1024, "damp": 1e-6}'

我們認為，通過適度調整超參數per_device_train_batch_size、learning_rate、num_train_epochs、num_grads和damp，這些結果還有提升空間。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。

我們的M - FAC代碼可在此處找到：[https://github.com/IST - DASLab/M - FAC](https://github.com/IST - DASLab/M - FAC)。 關於如何將M - FAC集成到任何倉庫並使用的分步教程可在此處找到：[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}
}