Neurobert Mini

🚀 NeuroBERT-Mini — 適用於邊緣AI、物聯網和設備端NLP的快速BERT模型

NeuroBERT-Mini是一款輕量級的NLP模型，它源自google/bert-base-uncased，專為邊緣和物聯網設備的即時推理進行了優化。該模型量化後僅約35MB，擁有約1000萬個參數，能在資源受限的環境（如移動應用、可穿戴設備、微控制器和智能家居設備）中實現高效的上下文語言理解。它具備低延遲和離線操作的特性，非常適合對隱私要求較高且網絡連接有限的應用場景。

🚀 快速開始

NeuroBERT-Mini 是一個從 google/bert-base-uncased 派生而來的輕量級 NLP 模型，針對邊緣和物聯網設備上的即時推理進行了優化。其量化後的大小約為 35MB，參數約為 1000 萬，能夠在資源受限的環境（如移動應用、可穿戴設備、微控制器和智能家居設備）中實現高效的上下文語言理解。該模型設計用於低延遲和離線操作，非常適合對隱私要求較高且網絡連接有限的應用場景。

✨ 主要特性

• 輕量級：約35MB的佔用空間，適合存儲容量有限的設備。
• 上下文理解：通過緊湊的架構捕捉語義關係。
• 離線能力：無需互聯網即可完全正常運行。
• 即時推理：針對CPU、移動NPU和微控制器進行了優化。
• 應用廣泛：支持掩碼語言建模（MLM）、意圖檢測、文本分類和命名實體識別（NER）。

📦 安裝指南

安裝所需的依賴項：

pip install transformers torch

確保您的環境支持Python 3.6+，並且有大約35MB的存儲空間用於存儲模型權重。

💻 使用示例

基礎用法

掩碼語言建模

預測與物聯網相關句子中缺失的單詞：

from transformers import pipeline

# 發揮模型的強大功能
mlm_pipeline = pipeline("fill-mask", model="boltuix/NeuroBERT-Mini")

# 測試模型的效果
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

對物聯網命令進行意圖檢測或文本分類：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

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

# 示例輸入
text = "Turn off 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"Text: {text}")
print(f"Predicted intent: {labels[pred]} (Confidence: {probs[0][pred]:.4f})")

高級用法

微調模型

為了使NeuroBERT-Mini適應自定義的物聯網任務（例如特定的智能家居命令），可以按照以下步驟進行微調：

#!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. 準備示例物聯網數據集
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 表示有效的物聯網命令，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-Mini"  # 使用 NeuroBERT-Mini
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)  # 針對物聯網命令設置較短的最大長度

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

# 4. 設置 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,  # 對於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=3e-5,  # 針對 NeuroBERT-Mini 進行調整
)

# 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"Predicted class for '{text}': {'Valid IoT Command' if predicted_class == 1 else 'Invalid Command'}")

📚 詳細文檔

評估

NeuroBERT-Mini在掩碼語言建模任務上使用了10個與物聯網相關的句子進行評估。模型會為每個掩碼詞預測前5個標記，如果預期的單詞在前5個預測中，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-Mini"
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"🎯 Expected: {r['expected']}")
    print("📋 Top-5 Predictions (word : confidence):")
    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🎉 Total Passed: {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：[doctor (0.35), nurse (0.30), surgeon (0.20), technician (0.10), assistant (0.05)]
  結果：✔️ PASS
• 句子：Turn off the lights after [MASK] minutes.
  預期：five
  前5個：[ten (0.40), two (0.25), three (0.20), fifteen (0.10), twenty (0.05)]
  結果：❌ FAIL
• 總通過數：~8/10（取決於微調情況）

該模型在物聯網相關的上下文中表現良好（例如，“sensors”、“off”、“open”），但對於像“five”這樣的數字術語可能需要進行微調。

評估指標

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

使用場景

NeuroBERT-Mini專為計算和連接受限的邊緣和物聯網場景而設計。主要應用包括：

• 智能家居設備：解析諸如“Turn [MASK] the coffee machine”（預測為“on”）或“The fan will turn [MASK]”（預測為“off”）之類的命令。
• 物聯網傳感器：解釋傳感器相關的上下文，例如“The drone collects data using onboard [MASK]”（預測為“sensors”）。
• 可穿戴設備：即時意圖檢測，例如“The music pauses when someone [MASK] the room”（預測為“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”（預測為“nurse”）。
• 語音助手：本地命令解析，例如“Please [MASK] the door”（預測為“shut”）。
• 玩具機器人：用於交互式玩具的輕量級命令理解。
• 健身追蹤器：本地文本反饋處理，例如情感分析。
• 汽車助手：無需雲API的離線命令消歧。

硬件要求

• 處理器：CPU、移動NPU或微控制器（例如，ESP32、樹莓派）
• 存儲：約35MB用於存儲模型權重（量化後以減小佔用空間）
• 內存：約80MB 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，使其適用於微控制器。

訓練數據

• 自定義物聯網數據集：精心策劃的數據，專注於物聯網術語、智能家居命令和傳感器相關的上下文（源自chatgpt-datasets）。這有助於提高在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。

與其他模型的比較

NeuroBERT-Mini在大小和性能之間取得了平衡，非常適合比NeuroBERT-Tiny目標設備資源稍多的邊緣設備。

🔧 技術細節

模型信息

📄 許可證

MIT許可證：可免費用於個人和商業目的，可進行修改和分發。詳情請見 LICENSE。

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 中提出問題
• 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

瞭解更多

在Boltuix上探索有關BERT Mini的詳細信息和見解：

BERT Mini: Lightweight BERT for Edge AI

我們歡迎社區反饋，以進一步改進NeuroBERT-Mini在物聯網和邊緣應用中的性能！

標籤

#NeuroBERT-Mini #edge-nlp #lightweight-models #on-device-ai #offline-nlp
#mobile-ai #intent-recognition #text-classification #ner #transformers
#mini-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