Deberta V3 Large Finetuned Mnli

🚀 DeBERTa-v3-large在MNLI上微调模型

本模型是 microsoft/deberta-v3-large 在GLUE MNLI数据集上的微调版本。它在评估集上取得了以下成果：

• 损失率：0.6763
• 准确率：0.8949

📚 详细文档

模型描述

DeBERTa 通过解耦注意力和增强掩码解码器改进了BERT和RoBERTa模型。借助这两项改进，DeBERTa在使用80GB训练数据的大多数自然语言理解（NLU）任务中优于RoBERTa。

在 DeBERTa V3 中，我们使用带有梯度解耦嵌入共享的ELECTRA风格预训练进一步提高了DeBERTa的效率。与DeBERTa相比，我们的V3版本显著提升了模型在下游任务中的性能。你可以从我们的 论文 中找到关于新模型的更多技术细节。

有关更多实现细节和更新，请查看 官方仓库。

DeBERTa V3 large模型有24层，隐藏层大小为1024。它有3.04亿个骨干参数，词汇表包含12.8万个标记，这在嵌入层引入了1.31亿个参数。该模型与DeBERTa V2一样使用160GB数据进行训练。

预期用途与限制

暂无相关详细信息。

训练和评估数据

暂无相关详细信息。

训练过程

训练超参数

训练期间使用了以下超参数：

• 学习率：3e - 05
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：42
• 优化器：Adam，β值为(0.9, 0.999)，ε值为1e - 08
• 学习率调度器类型：线性
• 训练轮数：5.0
• 混合精度训练：原生自动混合精度（Native AMP）

训练结果

框架版本

• Transformers 4.13.0.dev0
• Pytorch 1.10.0 + cu111
• Datasets 1.16.1
• Tokenizers 0.10.3

📄 许可证

本模型采用MIT许可证。

📋 模型信息表格