DeBERTa：基于解耦注意力机制的增强型BERT解码模型

DeBERTa通过解耦注意力机制和增强型掩码解码器改进了BERT与RoBERTa模型。该模型在使用80GB训练数据时，在大多数自然语言理解任务上超越了BERT和RoBERTa的表现。

更多细节与更新请查阅官方代码库。

本模型是基于MNLI任务微调的DeBERTa V2 XXLarge版本，包含48层网络结构，隐藏层维度1536，参数量总计15亿。

自然语言理解任务微调结果

我们在SQuAD 1.1/2.0和多项GLUE基准任务上展示了开发集表现：

技术说明

• ¹ 遵循RoBERTa方案，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微调模型出发也能获得小幅提升，但上述四个任务我们仅报告基于预训练基础模型直接微调的结果。
• ² 建议使用deepspeed运行HF transformers框架下的XXLarge模型，可获得更优的内存效率与运行速度。

使用Deepspeed运行的命令示例：

pip install datasets
pip install deepspeed

# 下载deepspeed配置文件
wget https://huggingface.co/microsoft/deberta-v2-xxlarge-mnli/resolve/main/ds_config.json -O ds_config.json

export TASK_NAME=rte
output_dir="ds_results"
num_gpus=8
batch_size=4
python -m torch.distributed.launch --nproc_per_node=${num_gpus} \\
  run_glue.py \\
  --model_name_or_path microsoft/deberta-v2-xxlarge-mnli \\
  --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--sharded_ddp模式运行：

cd transformers/examples/text-classification/
export TASK_NAME=rte
python -m torch.distributed.launch --nproc_per_node=8 run_glue.py   --model_name_or_path microsoft/deberta-v2-xxlarge-mnli   \\
--task_name $TASK_NAME   --do_train   --do_eval   --max_seq_length 256   --per_device_train_batch_size 4   \\
--learning_rate 3e-6   --num_train_epochs 3   --output_dir /tmp/$TASK_NAME/ --overwrite_output_dir --sharded_ddp --fp16

文献引用

若DeBERTa对您的研究有所帮助，请引用以下论文：

@inproceedings{
he2021deberta,
title={DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION},
author={Pengcheng He and Xiaodong Liu and Jianfeng Gao and Weizhu Chen},
booktitle={International Conference on Learning Representations},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}