/ Модель

Характеристики

Контекст
512 токенов
Параметры
4,4 млн
Архитектура
bert · dense

bert-tiny-finetuned-mrpc

Классификация текстаТекст → label3 профессии

Компактная BERT-tiny-модель для классификации пар предложений и определения смыслового сходства, дообученная на MRPC с оптимизатором M-FAC.

63скачиваний за 30 дней0лайковвеса обновлены13 дек 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Небольшая модель BERT-tiny, дообученная командой M-FAC на наборе MRPC с оптимизатором второго порядка M-FAC. Она классифицирует пары предложений, в частности определяет, выражают ли они одинаковый смысл; модель подходит для экспериментов и проверки методов дообучения. Архитектура — BertForSequenceClassification, размер — 4,4 млн параметров, контекст — до 512 токенов. В README приведены результаты на валидационной выборке MRPC: F1 82,77 и точность 72,94% для лучшего запуска; средние результаты рассчитаны по пяти запускам. Доступны веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • определение, являются ли две фразы перефразами друг друга
  • оценка смыслового сходства пары предложений
  • эксперименты с дообучением BERT на задаче MRPC

Ограничения

Обучение и приведённые метрики относятся к MRPC и его валидационной выборке; качество на других задачах и языках не установлено. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT-tiny model finetuned with M-FAC

This model is finetuned on MRPC dataset with state-of-the-art second-order optimizer M-FAC. Check NeurIPS 2021 paper for more details on M-FAC: https://arxiv.org/pdf/2107.03356.pdf.

Finetuning setup

For fair comparison against default Adam baseline, we finetune the model in the same framework as described here https://github.com/huggingface/transformers/tree/master/examples/pytorch/text-classification and just swap Adam optimizer with M-FAC. Hyperparameters used by M-FAC optimizer:

learning rate = 1e-4
number of gradients = 512
dampening = 1e-6

Results

We share the best model out of 5 runs with the following score on MRPC validation set:

f1 = 83.12
accuracy = 73.52

Mean and standard deviation for 5 runs on MRPC validation set:

F1Accuracy
Adam81.68 ± 0.3369.90 ± 0.32
M-FAC82.77 ± 0.2272.94 ± 0.37

Results can be reproduced by adding M-FAC optimizer code in https://github.com/huggingface/transformers/blob/master/examples/pytorch/text-classification/run_glue.py and running the following bash script:

CUDA_VISIBLE_DEVICES=0 python run_glue.py \
  --seed 42 \
  --model_name_or_path prajjwal1/bert-tiny \
  --task_name mrpc \
  --do_train \
  --do_eval \
  --max_seq_length 128 \
  --per_device_train_batch_size 32 \
  --learning_rate 1e-4 \
  --num_train_epochs 5 \
  --output_dir out_dir/ \
  --optim MFAC \
  --optim_args '{"lr": 1e-4, "num_grads": 512, "damp": 1e-6}'

We believe these results could be improved with modest tuning of hyperparameters: per_device_train_batch_size, learning_rate, num_train_epochs, num_grads and damp. For the sake of fair comparison and a robust default setup we use the same hyperparameters across all models (bert-tiny, bert-mini) and all datasets (SQuAD version 2 and GLUE).

Our code for M-FAC can be found here: https://github.com/IST-DASLab/M-FAC. A step-by-step tutorial on how to integrate and use M-FAC with any repository can be found here: https://github.com/IST-DASLab/M-FAC/tree/master/tutorials.

BibTeX entry and citation info

@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}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
5186a04

0 моделей