Bert Large Uncased Wwm Squadv2 X2.15 F83.2 D25 Hybrid V1

🚀 bert-large-uncased-whole-word-masking模型在SQuAD v2上的微调版本

本模型解决了问答任务中模型效率与精度平衡的问题，通过对模型进行剪枝，在一定程度上降低精度损失的同时显著提升了运行速度，为问答系统的实际应用提供了更高效的解决方案。

🚀 快速开始

本模型是基于 nn_pruning Python库创建的：线性层保留了原始权重的25.0%。

模型整体保留了原始权重的32.0%（嵌入层在模型中占比很大，且此方法未对其进行剪枝）。

在评估中，通过简单调整线性矩阵大小，该模型的运行速度是 bert-large-uncased-whole-word-masking 的 2.15倍。这是因为剪枝方法生成了结构化矩阵，将鼠标悬停在下方的图表上，即可查看每个矩阵的非零/零部分。

在准确率方面，其 F1值为83.22，而 bert-large-uncased-whole-word-masking 的F1值为85.85，F1值下降了2.63。

🔧 技术细节

精细剪枝细节

本模型是基于HuggingFace的 模型 检查点在 SQuAD2.0 上进行微调，并从 madlag/bert-large-uncased-whole-word-masking-finetuned-squadv2 模型中进行知识蒸馏得到的。

该模型不区分大小写：即对英文中的大小写不做区分。

块剪枝的一个副作用是部分注意力头被完全移除：在总共384个注意力头中，有155个被移除（占比40.4%）。 以下是剪枝后剩余注意力头在网络中的详细分布情况。

SQuAD1.1数据集详情

微调信息

• Python版本：3.8.5

• 机器规格：

CPU: Intel(R) Core(TM) i7-6700K CPU
内存: 64 GiB
GPU: 1块GeForce GTX 3090，显存24GiB
GPU驱动: 455.23.05，CUDA: 11.1

结果

Pytorch模型文件大小：1119MB（原始BERT模型：1228.0MB）

{
    "HasAns_exact": 76.48448043184885,
    "HasAns_f1": 82.55514100819374,
    "HasAns_total": 5928,
    "NoAns_exact": 83.8856181665265,
    "NoAns_f1": 83.8856181665265,
    "NoAns_total": 5945,
    "best_exact": 80.19034784805862,
    "best_exact_thresh": 0.0,
    "best_f1": 83.22133208932635,
    "best_f1_thresh": 0.0,
    "exact": 80.19034784805862,
    "f1": 83.22133208932645,
    "total": 11873
}

💻 使用示例

基础用法

# Install nn_pruning: it contains the optimization script, which just pack the linear layers into smaller ones by removing empty rows/columns.
pip install nn_pruning

from transformers import pipeline
from nn_pruning.inference_model_patcher import optimize_model

qa_pipeline = pipeline(
    "question-answering",
    model="madlag/bert-large-uncased-wwm-squadv2-x2.15-f83.2-d25-hybrid-v1",
    tokenizer="madlag/bert-large-uncased-wwm-squadv2-x2.15-f83.2-d25-hybrid-v1"
)

print("bert-large-uncased-whole-word-masking parameters: 497.0M")
print(f"Parameters count (includes only head pruning, not feed forward pruning)={int(qa_pipeline.model.num_parameters() / 1E6)}M")
qa_pipeline.model = optimize_model(qa_pipeline.model, "dense")

print(f"Parameters count after complete optimization={int(qa_pipeline.model.num_parameters() / 1E6)}M")
predictions = qa_pipeline({
    'context': "Frédéric François Chopin, born Fryderyk Franciszek Chopin (1 March 1810 – 17 October 1849), was a Polish composer and virtuoso pianist of the Romantic era who wrote primarily for solo piano.",
    'question': "Who is Frederic Chopin?",
})
print("Predictions", predictions)

📄 许可证

本项目采用MIT许可证。