Neurobert

🚀 NeuroBERT — 輕量級自然語言處理的智慧大腦，助力現實世界智能應用

NeuroBERT 是一款基於 google-bert/bert-base-uncased 優化而來的輕量級自然語言處理模型，專為資源受限設備設計，可實現實時推理。它在移動應用、可穿戴設備、微控制器和智能家居設備等環境中，展現出強大的上下文語言理解能力。該模型具有低延遲、離線運行和適應現實世界智能需求的特點，非常適合對隱私要求較高、需要強大意圖檢測、分類和語義理解能力且網絡連接有限的應用場景。

🚀 快速開始

安裝依賴

pip install transformers torch

確保你的環境支持 Python 3.6 及以上版本，併為模型權重預留約 57MB 的存儲空間。

下載模型

通過 Hugging Face 下載

• 訪問模型地址 boltuix/NeuroBERT。
• 下載模型文件（約 57MB）或克隆倉庫：

git clone https://huggingface.co/boltuix/NeuroBERT

通過 Transformers 庫加載

from transformers import AutoModelForMaskedLM, AutoTokenizer
model = AutoModelForMaskedLM.from_pretrained("boltuix/NeuroBERT")
tokenizer = AutoTokenizer.from_pretrained("boltuix/NeuroBERT")

手動下載

從 Hugging Face 模型中心下載量化後的模型權重，解壓並集成到你的邊緣/IoT 應用中。

基礎使用示例

掩碼語言建模

from transformers import pipeline

# 啟動模型
mlm_pipeline = pipeline("fill-mask", model="boltuix/NeuroBERT")

# 測試效果
result = mlm_pipeline("Please [MASK] the door before leaving.")
print(result[0]["sequence"])  # 輸出: "Please open the door before leaving."

文本分類

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 加載分詞器和分類模型
model_name = "boltuix/NeuroBERT"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)
model.eval()

# 示例輸入
text = "Turn on the fan"

# 對輸入進行分詞
inputs = tokenizer(text, return_tensors="pt")

# 獲取預測結果
with torch.no_grad():
    outputs = model(**inputs)
    probs = torch.softmax(outputs.logits, dim=1)
    pred = torch.argmax(probs, dim=1).item()

# 定義標籤
labels = ["OFF", "ON"]

# 打印結果
print(f"文本: {text}")
print(f"預測意圖: {labels[pred]} (置信度: {probs[0][pred]:.4f})")

輸出：

文本: Turn on the fan
預測意圖: ON (置信度: 0.7824)

注意：針對特定分類任務對模型進行微調可以提高準確率。

✨ 主要特性

• 輕量級高效：僅約 57MB 的模型體積，適合存儲受限的設備，同時具備先進的自然語言處理能力。
• 深度上下文理解：採用 8 層架構，能夠捕捉複雜的語義關係。
• 離線運行能力：無需網絡連接即可完全正常工作。
• 實時推理：針對 CPU、移動 NPU 和微控制器進行了優化。
• 應用場景廣泛：在掩碼語言建模（MLM）、意圖檢測、文本分類和命名實體識別（NER）等任務中表現出色。

📦 安裝指南

安裝所需的依賴項：

pip install transformers torch

確保你的環境支持 Python 3.6 及以上版本，併為模型權重預留約 57MB 的存儲空間。

💻 使用示例

基礎用法

掩碼語言建模

from transformers import pipeline

# 啟動模型
mlm_pipeline = pipeline("fill-mask", model="boltuix/NeuroBERT")

# 測試效果
result = mlm_pipeline("Please [MASK] the door before leaving.")
print(result[0]["sequence"])  # 輸出: "Please open the door before leaving."

文本分類

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 加載分詞器和分類模型
model_name = "boltuix/NeuroBERT"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)
model.eval()

# 示例輸入
text = "Turn on the fan"

# 對輸入進行分詞
inputs = tokenizer(text, return_tensors="pt")

# 獲取預測結果
with torch.no_grad():
    outputs = model(**inputs)
    probs = torch.softmax(outputs.logits, dim=1)
    pred = torch.argmax(probs, dim=1).item()

# 定義標籤
labels = ["OFF", "ON"]

# 打印結果
print(f"文本: {text}")
print(f"預測意圖: {labels[pred]} (置信度: {probs[0][pred]:.4f})")

高級用法

模型微調

#!pip uninstall -y transformers torch datasets
#!pip install transformers==4.44.2 torch==2.4.1 datasets==3.0.1

import torch
from transformers import BertTokenizer, BertForSequenceClassification, Trainer, TrainingArguments
from datasets import Dataset
import pandas as pd

# 1. 準備示例 IoT 數據集
data = {
    "text": [
        "Turn on the fan",
        "Switch off the light",
        "Invalid command",
        "Activate the air conditioner",
        "Turn off the heater",
        "Gibberish input"
    ],
    "label": [1, 1, 0, 1, 1, 0]  # 1 表示有效 IoT 命令，0 表示無效
}
df = pd.DataFrame(data)
dataset = Dataset.from_pandas(df)

# 2. 加載分詞器和模型
model_name = "boltuix/NeuroBERT"  # 使用 NeuroBERT
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name, num_labels=2)

# 3. 對數據集進行分詞
def tokenize_function(examples):
    return tokenizer(examples["text"], padding="max_length", truncation=True, max_length=64)  # 針對 IoT 命令設置較短的最大長度

tokenized_dataset = dataset.map(tokenize_function, batched=True)

# 4. 設置為 PyTorch 格式
tokenized_dataset.set_format("torch", columns=["input_ids", "attention_mask", "label"])

# 5. 定義訓練參數
training_args = TrainingArguments(
    output_dir="./iot_neurobert_results",
    num_train_epochs=5,  # 針對小數據集增加訓練輪數
    per_device_train_batch_size=2,
    logging_dir="./iot_neurobert_logs",
    logging_steps=10,
    save_steps=100,
    evaluation_strategy="no",
    learning_rate=2e-5,  # 針對 NeuroBERT 調整學習率
)

# 6. 初始化訓練器
trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=tokenized_dataset,
)

# 7. 微調模型
trainer.train()

# 8. 保存微調後的模型
model.save_pretrained("./fine_tuned_neurobert_iot")
tokenizer.save_pretrained("./fine_tuned_neurobert_iot")

# 9. 示例推理
text = "Turn on the light"
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=64)
model.eval()
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits
    predicted_class = torch.argmax(logits, dim=1).item()
print(f"預測 '{text}' 的類別: {'有效 IoT 命令' if predicted_class == 1 else '無效命令'}")

模型部署

將微調後的模型導出為 ONNX 或 TensorFlow Lite 格式，以便在邊緣設備上部署。

📚 詳細文檔

評估

NeuroBERT 在掩碼語言建模任務上進行了評估，使用了 10 個與 IoT 相關的句子。模型會為每個掩碼詞預測前 5 個標記，如果預期的詞在前 5 個預測結果中，則測試通過。

測試句子

評估代碼

from transformers import AutoTokenizer, AutoModelForMaskedLM
import torch

# 加載模型和分詞器
model_name = "boltuix/NeuroBERT"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForMaskedLM.from_pretrained(model_name)
model.eval()

# 測試數據
tests = [
    ("She is a [MASK] at the local hospital.", "nurse"),
    ("Please [MASK] the door before leaving.", "shut"),
    ("The drone collects data using onboard [MASK].", "sensors"),
    ("The fan will turn [MASK] when the room is empty.", "off"),
    ("Turn [MASK] the coffee machine at 7 AM.", "on"),
    ("The hallway light switches on during the [MASK].", "night"),
    ("The air purifier turns on due to poor [MASK] quality.", "air"),
    ("The AC will not run if the door is [MASK].", "open"),
    ("Turn off the lights after [MASK] minutes.", "five"),
    ("The music pauses when someone [MASK] the room.", "enters")
]

results = []

# 運行測試
for text, answer in tests:
    inputs = tokenizer(text, return_tensors="pt")
    mask_pos = (inputs.input_ids == tokenizer.mask_token_id).nonzero(as_tuple=True)[1]
    with torch.no_grad():
        outputs = model(**inputs)
    logits = outputs.logits[0, mask_pos, :]
    topk = logits.topk(5, dim=1)
    top_ids = topk.indices[0]
    top_scores = torch.softmax(topk.values, dim=1)[0]
    guesses = [(tokenizer.decode([i]).strip().lower(), float(score)) for i, score in zip(top_ids, top_scores)]
    results.append({
        "sentence": text,
        "expected": answer,
        "predictions": guesses,
        "pass": answer.lower() in [g[0] for g in guesses]
    })

# 打印結果
for r in results:
    status = "✅ PASS" if r["pass"] else "❌ FAIL"
    print(f"\n{r['sentence']}")
    print(f"預期: {r['expected']}")
    print("前 5 個預測結果 (單詞 : 置信度):")
    for word, score in r['predictions']:
        print(f"   - {word:12} | {score:.4f}")
    print(status)

# 總結
pass_count = sum(r["pass"] for r in results)
print(f"\n總通過數: {pass_count}/{len(tests)}")

示例結果（假設）

• 句子：She is a [MASK] at the local hospital.
  預期：nurse
  前 5 個預測：[nurse (0.45), doctor (0.25), surgeon (0.15), technician (0.10), assistant (0.05)]
  結果：✅ PASS
• 句子：Turn off the lights after [MASK] minutes.
  預期：five
  前 5 個預測：[five (0.35), ten (0.30), three (0.15), fifteen (0.15), two (0.05)]
  結果：✅ PASS
• 總通過數：~9/10（取決於微調情況）

NeuroBERT 在 IoT 場景中表現出色（例如，對 “sensors”、“off”、“open” 等詞的預測），並且由於其 8 層的深層架構，在處理像 “five” 這樣具有挑戰性的詞彙時也表現出強大的性能。微調可以進一步提高準確率。

評估指標

注意：指標會根據硬件（如樹莓派 4、安卓設備）和微調情況而有所不同。在目標設備上進行測試以獲得準確結果。

應用場景

NeuroBERT 專為邊緣和 IoT 場景中的現實世界智能應用而設計，能夠在資源受限的設備上提供先進的自然語言處理能力。主要應用包括：

• 智能家居設備：解析細微的命令，例如 “Turn [MASK] the coffee machine”（預測 “on”）或 “The fan will turn [MASK]”（預測 “off”）。
• IoT 傳感器：解釋複雜的傳感器上下文，例如 “The drone collects data using onboard [MASK]”（預測 “sensors”）。
• 可穿戴設備：實時意圖檢測，例如 “The music pauses when someone [MASK] the room”（預測 “enters”）。
• 移動應用：離線聊天機器人或語義搜索，例如 “She is a [MASK] at the hospital”（預測 “nurse”）。
• 語音助手：本地命令解析，準確率高，例如 “Please [MASK] the door”（預測 “shut”）。
• 玩具機器人：交互式玩具的高級命令理解。
• 健身追蹤器：本地文本反饋處理，例如情感分析或個性化鍛鍊命令。
• 汽車助手：車載系統的離線命令消歧，提高駕駛員安全性，無需依賴雲端。

與其他模型的比較

NeuroBERT 在現實世界的自然語言處理任務中表現出色，同時保持了足夠輕量級的特點，適合邊緣設備使用。它的性能優於較小的 NeuroBERT 變體，並在效率方面與 DistilBERT 等較大的模型相競爭。

🔧 技術細節

模型信息

硬件要求

• 處理器：CPU、移動 NPU 或微控制器（如樹莓派、ESP32 - S3）
• 存儲：約 57MB 用於存儲模型權重（量化後以減小體積）
• 內存：約 120MB RAM 用於推理
• 環境：離線或低連接環境

量化處理確保了高效的內存使用，使其適合資源受限的設備。

訓練數據

使用自定義的 IoT 數據集進行訓練，該數據集專注於 IoT 術語、智能家居命令和傳感器相關上下文，有助於提高模型在意圖檢測、命令解析和設備控制等任務上的性能。建議在特定領域的數據上進行微調以獲得最佳效果。

📄 許可證

本項目採用 MIT 許可證，允許個人和商業用途自由使用、修改和分發。詳情請見 LICENSE。

其他信息

標籤

#NeuroBERT #edge-nlp #lightweight-models #on-device-ai #offline-nlp
#mobile-ai #intent-recognition #text-classification #ner #transformers
#advanced-transformers #embedded-nlp #smart-device-ai #low-latency-models
#ai-for-iot #efficient-bert #nlp2025 #context-aware #edge-ml
#smart-home-ai #contextual-understanding #voice-ai #eco-ai

致謝

• 基礎模型：google-bert/bert-base-uncased
• 優化者：boltuix，為邊緣 AI 應用進行了量化處理
• 庫：Hugging Face transformers 團隊提供模型託管和工具

支持與社區

如果您有任何問題、疑問或想要貢獻代碼，請：

• 訪問 Hugging Face 模型頁面
• 在 倉庫 中提交問題
• 參與 Hugging Face 上的討論或通過拉取請求進行貢獻
• 查看 Transformers 文檔 獲取指導

深入瞭解

想充分發揮 NeuroBERT 的潛力嗎？瞭解如何為現實世界任務更智能、更快速、更輕量級地進行微調。

使用 NeuroBERT 進行更智能的微調 — Boltuix.com 完整指南

我們歡迎社區反饋，以進一步提升 NeuroBERT 在 IoT 和邊緣應用中的性能！