Small

🚀 漏斗变换器小型模型 (B4 - 4 - 4 带解码器)

漏斗变换器小型模型是一个使用与 ELECTRA 类似目标在英语语料上预训练的模型。它在 这篇论文 中被提出，并首次在 这个仓库 中发布。该模型不区分大小写，即 "english" 和 "English" 对它来说是相同的。

声明：发布漏斗变换器的团队并未为该模型撰写模型卡片，此模型卡片由 Hugging Face 团队编写。

✨ 主要特性

漏斗变换器是一个以自监督方式在大量英语数据语料上预训练的变换器模型。这意味着它仅在原始文本上进行预训练，没有人工对文本进行任何标注（这也是它可以利用大量公开可用数据的原因），并通过自动流程从这些文本中生成输入和标签。

更确切地说，一个小型语言模型会对输入文本进行损坏处理，并作为该模型的输入生成器，预训练的目标是预测哪个标记是原始的，哪个是被替换的，有点类似于 GAN 训练。

通过这种方式，模型学习到英语语言的内部表示，然后可用于提取对下游任务有用的特征：例如，如果你有一个带标签句子的数据集，你可以使用 BERT 模型生成的特征作为输入，训练一个标准分类器。

🚀 快速开始

你可以使用原始模型提取给定文本的向量表示，但它主要用于在下游任务上进行微调。请查看 模型中心，以查找针对你感兴趣的任务进行微调的版本。

请注意，该模型主要旨在针对使用整个句子（可能经过掩码处理）来做出决策的任务进行微调，例如序列分类、标记分类或问答。对于文本生成等任务，你应该考虑使用像 GPT2 这样的模型。

💻 使用示例

基础用法

以下是如何在 PyTorch 中使用该模型获取给定文本的特征：

from transformers import FunnelTokenizer, FunnelModel
tokenizer = FunnelTokenizer.from_pretrained("funnel-transformer/small")
model = FunneModel.from_pretrained("funnel-transformer/small")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

高级用法

以下是如何在 TensorFlow 中使用该模型获取给定文本的特征：

from transformers import FunnelTokenizer, TFFunnelModel
tokenizer = FunnelTokenizer.from_pretrained("funnel-transformer/small")
model = TFFunnelModel.from_pretrained("funnel-transformer/small")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='tf')
output = model(encoded_input)

📚 详细文档

训练数据

该模型在以下数据集上进行了预训练：

• BookCorpus，一个包含 11,038 本未出版书籍的数据集。
• 英文维基百科（不包括列表、表格和标题）。
• Clue Web，一个包含 733,019,372 个英文网页的数据集。
• GigaWord，一个新闻专线文本数据存档。
• Common Crawl，一个原始网页数据集。

引用信息

@misc{dai2020funneltransformer,
    title={Funnel-Transformer: Filtering out Sequential Redundancy for Efficient Language Processing},
    author={Zihang Dai and Guokun Lai and Yiming Yang and Quoc V. Le},
    year={2020},
    eprint={2006.03236},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

📄 许可证

本项目采用 Apache-2.0 许可证。