Large

🚀 漏斗变换器（Funnel Transformer）大型模型 (B8 - 8 - 8 带解码器)

Funnel Transformer是一个预训练模型，它使用与 ELECTRA 类似的目标在英文语料上进行训练。该模型在 这篇论文 中被提出，并首次在 这个仓库 中发布。此模型不区分大小写：它对 "english" 和 "English" 一视同仁。

免责声明：发布 Funnel Transformer 的团队并未为此模型撰写模型卡片，本模型卡片由 Hugging Face 团队撰写。

🚀 快速开始

Funnel Transformer 是一个以自监督方式在大量英文数据语料库上进行预训练的变换器（Transformer）模型。这意味着它仅在原始文本上进行预训练，没有人工对其进行任何标注（这也是它可以使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扰乱，并作为此模型的输入生成器，预训练的目标是预测哪个标记是原始标记，哪个是被替换的标记，有点类似于生成对抗网络（GAN）的训练。

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，如果您有一个带标签的句子数据集，您可以使用 BERT 模型生成的特征作为输入来训练一个标准分类器。

✨ 主要特性

预期用途与局限性

您可以使用原始模型来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 以查找针对您感兴趣的任务进行微调的版本。

请注意，此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、标记分类或问答任务。对于文本生成等任务，您应该考虑使用像 GPT2 这样的模型。

如何使用

以下是如何在 PyTorch 中使用此模型来获取给定文本的特征：

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

在 TensorFlow 中的使用方式如下：

from transformers import FunnelTokenizer, TFFunnelModel
tokenizer = FunnelTokenizer.from_pretrained("funnel-transformer/large")
model = TFFunnelModel.from_pretrained("funnel-transformer/large")
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

BERT 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。

BibTeX 引用和引用信息

@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。