Deberta V3 Xsmall

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

DeBERTaV3 是一种基于预训练的自然语言处理模型，它在 DeBERTa 的基础上进行了改进，通过采用 ELECTRA 式预训练和梯度解耦嵌入共享技术，显著提升了模型在下游任务中的性能。

🚀 快速开始

模型概述

DeBERTa 通过解耦注意力和增强掩码解码器改进了 BERT 和 RoBERTa 模型。借助这两项改进，DeBERTa 在使用 80GB 训练数据的大多数自然语言理解（NLU）任务中表现优于 RoBERTa。

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 版本显著提升了模型在下游任务中的性能。你可以从我们的 论文 中找到关于新模型的更多技术细节。

请查看 官方仓库 以获取更多实现细节和更新。

模型参数

DeBERTa V3 xsmall 模型有 12 层，隐藏层大小为 384。它只有 2200 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 4800 万个参数。该模型与 DeBERTa V2 一样，使用 160GB 数据进行训练。

✨ 主要特性

NLU 任务微调结果

我们展示了在 SQuAD 2.0 和 MNLI 任务上的开发结果。

使用 HF transformers 进行微调

#!/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-xsmall \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 1000 \
  --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

📄 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}
}