Deberta V3 Small

🚀 DeBERTaV3：使用带梯度解耦嵌入共享的 ELECTRA 式预训练改进 DeBERTa

DeBERTaV3 借助带梯度解耦嵌入共享的 ELECTRA 式预训练，进一步提升了 DeBERTa 的效率。该模型在下游任务上显著优于 DeBERTa，为自然语言处理任务带来了更强大的性能表现。

🚀 快速开始

请查看官方仓库以获取更多实现细节和更新。

✨ 主要特性

• 解耦注意力和增强掩码解码器：DeBERTa 使用解耦注意力和增强掩码解码器改进了 BERT 和 RoBERTa 模型。凭借这两项改进，DeBERTa 在使用 80GB 训练数据的大多数 NLU 任务上超越了 RoBERTa。
• ELECTRA 式预训练和梯度解耦嵌入共享：在 DeBERTa V3 中，我们使用带梯度解耦嵌入共享的 ELECTRA 式预训练进一步提高了 DeBERTa 的效率。与 DeBERTa 相比，我们的 V3 版本显著提高了模型在下游任务上的性能。你可以从我们的论文中找到有关新模型的更多技术细节。

📦 安装指南

文档未提及安装步骤，可参考官方仓库获取安装信息。

💻 使用示例

基础用法

以下是使用 HF transformers 进行微调的示例：

#!/bin/bash

cd transformers/examples/pytorch/text-classification/

pip install datasets
export TASK_NAME=mnli

output_dir="ds_results"

num_gpus=8

batch_size=8

python -m torch.distributed.launch --nproc_per_node=${num_gpus} \
  run_glue.py \
  --model_name_or_path microsoft/deberta-v3-small \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 1500 \
  --per_device_train_batch_size ${batch_size} \
  --learning_rate 4.5e-5 \
  --num_train_epochs 3 \
  --output_dir $output_dir \
  --overwrite_output_dir \
  --logging_steps 1000 \
  --logging_dir $output_dir

📚 详细文档

模型参数

DeBERTa V3 小模型有 6 层，隐藏层大小为 768。它有 4400 万 个骨干参数，词汇表包含 12.8 万个标记，这在嵌入层引入了 9800 万个参数。该模型与 DeBERTa V2 一样，使用 160GB 数据进行训练。

微调结果

我们展示了在 SQuAD 2.0 和 MNLI 任务上的开发结果：

📄 许可证

本项目采用 MIT 许可证。

📖 引用

如果你发现 DeBERTa 对您的工作有用，请引用以下论文：

@misc{he2021debertav3,
      title={DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing}, 
      author={Pengcheng He and Jianfeng Gao and Weizhu Chen},
      year={2021},
      eprint={2111.09543},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@inproceedings{
he2021deberta,
title={DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION},
author={Pengcheng He and Xiaodong Liu and Jianfeng Gao and Weizhu Chen},
booktitle={International Conference on Learning Representations},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}