Bert Tiny Finetuned Sst2

🚀 基于M - FAC微调的BERT - tiny模型

本模型在SST - 2数据集上使用了先进的二阶优化器M - FAC进行微调。有关M - FAC的更多详细信息，请查看NeurIPS 2021的论文：https://arxiv.org/pdf/2107.03356.pdf。

🚀 快速开始

✨ 微调设置

为了与默认的Adam基线进行公平比较，我们在如下框架中微调模型：[https://github.com/huggingface/transformers/tree/master/examples/pytorch/text - classification](https://github.com/huggingface/transformers/tree/master/examples/pytorch/text - classification)，并将Adam优化器替换为M - FAC。

M - FAC优化器使用的超参数如下：

learning rate = 1e-4
number of gradients = 1024
dampening = 1e-6

📈 实验结果

我们分享了5次运行中表现最佳的模型，其在SST - 2验证集上的得分如下：

accuracy = 83.02

在SST - 2验证集上5次运行的均值和标准差如下：

可以通过在[https://github.com/huggingface/transformers/blob/master/examples/pytorch/text - classification/run_glue.py](https://github.com/huggingface/transformers/blob/master/examples/pytorch/text - classification/run_glue.py)中添加M - FAC优化器代码，并运行以下bash脚本来复现实验结果：

CUDA_VISIBLE_DEVICES=0 python run_glue.py \
  --seed 42 \
  --model_name_or_path prajjwal1/bert-tiny \
  --task_name sst2 \
  --do_train \
  --do_eval \
  --max_seq_length 128 \
  --per_device_train_batch_size 32 \
  --learning_rate 1e-4 \
  --num_train_epochs 3 \
  --output_dir out_dir/ \
  --optim MFAC \
  --optim_args '{"lr": 1e-4, "num_grads": 1024, "damp": 1e-6}'

我们认为，通过对超参数per_device_train_batch_size、learning_rate、num_train_epochs、num_grads和damp进行适度调整，这些结果可以得到进一步提升。为了进行公平比较并设置一个稳健的默认配置，我们在所有模型（bert - tiny、bert - mini）和所有数据集（SQuAD版本2和GLUE）上使用了相同的超参数。

📚 相关资源

我们的M - FAC代码可在以下链接找到：[https://github.com/IST - DASLab/M - FAC](https://github.com/IST - DASLab/M - FAC)。 有关如何将M - FAC集成到任何存储库并使用的详细教程可在以下链接找到：[https://github.com/IST - DASLab/M - FAC/tree/master/tutorials](https://github.com/IST - DASLab/M - FAC/tree/master/tutorials)。

📄 引用信息

@article{frantar2021m,
  title={M-FAC: Efficient Matrix-Free Approximations of Second-Order Information},
  author={Frantar, Elias and Kurtic, Eldar and Alistarh, Dan},
  journal={Advances in Neural Information Processing Systems},
  volume={35},
  year={2021}
}