Bert Base Uncased Squadv1 X1.84 F88.7 D36 Hybrid Filled V1

🚀 BERT-base无大小写区分模型在SQuAD v1上微调

本项目是一个基于BERT-base无大小写区分模型在SQuAD v1数据集上进行微调的问答系统。通过使用特定的剪枝技术，在保证模型性能的同时，显著提升了模型的推理速度。

✨ 主要特性

• 高效推理：通过剪枝技术，模型在评估时的运行速度比密集模型快1.84倍。
• 性能提升：与密集版本相比，F1分数提高了0.22，达到了88.72。
• 参数减少：线性层仅保留了原权重的36.0%，整体模型保留了原权重的50.0%。

📦 安装指南

安装nn_pruning库，其中包含优化脚本，可通过移除空行/列将线性层打包成更小的矩阵。

pip install nn_pruning

💻 使用示例

基础用法

from transformers import pipeline
from nn_pruning.inference_model_patcher import optimize_model

qa_pipeline = pipeline(
    "question-answering",
    model="madlag/bert-base-uncased-squadv1-x1.84-f88.7-d36-hybrid-filled-v1",
    tokenizer="madlag/bert-base-uncased-squadv1-x1.84-f88.7-d36-hybrid-filled-v1"
)

print("/home/lagunas/devel/hf/nn_pruning/nn_pruning/analysis/tmp_finetune parameters: 218.0M")
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)

📚 详细文档

模型信息

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 GeForce GTX 3090，显存24GiB
GPU驱动: 455.23.05，CUDA: 11.1

结果

Pytorch模型文件大小：379MB（原始BERT：420MB）

🔧 技术细节

精细剪枝详情

本模型是从HuggingFace的模型检查点在SQuAD1.1上进行微调，并从模型csarron/bert-base-uncased-squad-v1进行蒸馏得到的。该模型不区分大小写，即对英文的大小写不做区分。

块剪枝的一个副作用是部分注意力头被完全移除：在总共144个注意力头中，有48个（33.3%）被移除。以下是剪枝后剩余注意力头在网络中的分布详情。

在评估时，通过对线性矩阵进行简单的调整，模型的运行速度比密集模型快1.84倍。这是因为剪枝方法产生了结构化矩阵，你可以将鼠标悬停在下面的图表上，查看每个矩阵的非零/零部分。

📄 许可证

本项目采用MIT许可证。