Structbert Large Zh

🚀 StructBERT：非官方副本

StructBERT是在预训练中融入语言结构以实现深度语言理解的模型。本仓库提供了该模型的非官方副本，包含模型下载、使用示例等内容。

🚀 快速开始

重现HFHub模型

下载模型/分词器词汇表：

wget https://raw.githubusercontent.com/alibaba/AliceMind/main/StructBERT/config/ch_large_bert_config.json && mv ch_large_bert_config.json config.json
wget https://raw.githubusercontent.com/alibaba/AliceMind/main/StructBERT/config/ch_vocab.txt
wget https://alice-open.oss-cn-zhangjiakou.aliyuncs.com/StructBERT/ch_model && mv ch_model pytorch_model.bin

from transformers import BertConfig, BertModel, BertTokenizer
config = BertConfig.from_pretrained("./config.json")
model = BertModel.from_pretrained("./", config=config)
tokenizer = BertTokenizer.from_pretrained("./")
model.push_to_hub("structbert-large-zh")
tokenizer.push_to_hub("structbert-large-zh")

论文链接：https://arxiv.org/abs/1908.04577

✨ 主要特性

我们将BERT扩展为一个新的模型StructBERT，通过在预训练中融入语言结构。具体来说，我们使用两个辅助任务对StructBERT进行预训练，以充分利用单词和句子的顺序，分别利用单词和句子级别的语言结构。

📦 安装指南

要求和安装

• PyTorch 版本 >= 1.0.1
• 通过以下命令安装其他库：

pip install -r requirements.txt

• 为了更快的训练速度，安装NVIDIA的 apex 库

💻 使用示例

基础用法

微调MNLI任务

python run_classifier_multi_task.py \
  --task_name MNLI \
  --do_train \
  --do_eval \
  --do_test \
  --amp_type O1 \
  --lr_decay_factor 1 \
  --dropout 0.1 \
  --do_lower_case \
  --detach_index -1 \
  --core_encoder bert \
  --data_dir path_to_glue_data \
  --vocab_file config/vocab.txt \
  --bert_config_file config/large_bert_config.json \
  --init_checkpoint path_to_pretrained_model \
  --max_seq_length 128 \
  --train_batch_size 32 \
  --learning_rate 2e-5 \
  --num_train_epochs 3 \
  --fast_train \
  --gradient_accumulation_steps 1 \
  --output_dir path_to_output_dir 

📚 详细文档

预训练模型

实验结果

GLUE和CLUE任务的结果可以使用以下“示例用法”部分列出的超参数重现。

structbert.en.large

GLUE基准测试

structbert.ch.large

CLUE基准测试

📄 许可证

声明

• 本模型卡片并非由 AliceMind团队 制作。

引用

如果您使用了我们的工作，请引用：

@article{wang2019structbert,
  title={Structbert: Incorporating language structures into pre-training for deep language understanding},
  author={Wang, Wei and Bi, Bin and Yan, Ming and Wu, Chen and Bao, Zuyi and Xia, Jiangnan and Peng, Liwei and Si, Luo},
  journal={arXiv preprint arXiv:1908.04577},
  year={2019}
}

官方仓库链接：https://github.com/alibaba/AliceMind/tree/main/StructBERT