语言: 中文 标签:

• deberta-v3
• deberta-v2
• deberta-mnli 任务: mnli 缩略图: https://huggingface.co/front/thumbnails/microsoft.png 许可证: mit 管道标签: 零样本分类

DeBERTa：基于解耦注意力机制的增强型BERT解码模型

DeBERTa通过解耦注意力和增强型掩码解码器改进了BERT与RoBERTa模型。在80GB训练数据下，其在多数自然语言理解任务中超越BERT和RoBERTa表现。更多细节与更新请参阅官方代码库。

此为DeBERTa V2 xxlarge版本，包含48层网络和1536维隐藏层，参数量达15亿，训练数据规模为160GB原始文本。

自然语言理解任务微调

我们在SQuAD 1.1/2.0及多项GLUE基准任务上展示开发集结果：

说明

• ¹ 沿用RoBERTa方法，对于RTE、MRPC、STS-B任务，我们基于MNLI微调版本进行二次微调。虽然SST-2/QQP/QNLI/SQuADv2任务从MNLI微调模型起步也能提升效果，但上述四个任务我们仅报告从预训练基模型直接微调的结果。
• ² 使用HuggingFace Transformers运行XXLarge模型时，推荐采用deepspeed以提升速度并节省内存。

使用Deepspeed运行：

pip install datasets
pip install deepspeed
# 下载deepspeed配置文件
wget https://huggingface.co/microsoft/deberta-v2-xxlarge/resolve/main/ds_config.json -O ds_config.json
export TASK_NAME=mnli
output_dir="ds_results"
num_gpus=8
batch_size=8
python -m torch.distributed.launch --nproc_per_node=${num_gpus} \\
  run_glue.py \\
  --model_name_or_path microsoft/deberta-v2-xxlarge \\
  --task_name $TASK_NAME \\
  --do_train \\
  --do_eval \\
  --max_seq_length 256 \\
  --per_device_train_batch_size ${batch_size} \\
  --learning_rate 3e-6 \\
  --num_train_epochs 3 \\
  --output_dir $output_dir \\
  --overwrite_output_dir \\
  --logging_steps 10 \\
  --logging_dir $output_dir \\
  --deepspeed ds_config.json

也可使用分片分布式数据并行（sharded_ddp）运行：

cd transformers/examples/text-classification/
export TASK_NAME=mnli
python -m torch.distributed.launch --nproc_per_node=8 run_glue.py   --model_name_or_path microsoft/deberta-v2-xxlarge   \\
--task_name $TASK_NAME   --do_train   --do_eval   --max_seq_length 256   --per_device_train_batch_size 8   \\
--learning_rate 3e-6   --num_train_epochs 3   --output_dir /tmp/$TASK_NAME/ --overwrite_output_dir --sharded_ddp --fp16

引用

若DeBERTa对您的研究有所帮助，请引用以下论文：

@inproceedings{
he2021deberta,
title={DEBERTA: 基于解耦注意力机制的增强型BERT解码模型},
author={何鹏程 and 刘骁东 and 高剑峰 and 陈伟柱},
booktitle={国际学习表征会议},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}