/ Модель

Характеристики

Контекст
512 токенов
Параметры
9,9 млн
Лицензия
Apache 2.0
Архитектура
bert · dense

bert_uncased_L-2_H-256_A-4

Языковая модель6 профессий

Компактная англоязычная модель BERT для понимания текста и дообучения на NLP-задачи в условиях ограниченных вычислительных ресурсов.

70 834скачиваний за 30 дней5лайковвеса обновлены19 мая 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

google/bert_uncased_L-2_H-256_A-4 — компактная англоязычная модель BERT от Google, входящая в набор BERT Miniatures, описанный в работе «Well-Read Students Learn Better: On the Importance of Pre-training Compact Models». Она использует 2 слоя, скрытый размер 256 и 4 attention-головы; содержит около 9,9 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель обучена без учета регистра с маскированием WordPiece-токенов и доступна в форматах PyTorch и Flax.

Модель предназначена для задач понимания английского текста в условиях ограниченных вычислительных ресурсов и может дообучаться для конкретных задач так же, как исходные модели BERT. Авторы отмечают, что особенно эффективным может быть её применение в дистилляции знаний от более крупной и точной модели. В README приведены результаты набора BERT Miniatures на GLUE, однако отдельные показатели именно этой конфигурации не указаны.

Модель выпущена под лицензией Apache-2.0. Она компактнее крупных вариантов BERT, но это также означает меньшую ёмкость; для высокой точности может потребоваться дообучение или дистилляция. Поддерживается английский язык.

Сценарии применения

  • классификация английских текстов после дообучения
  • анализ тональности англоязычных отзывов
  • определение смыслового сходства предложений
  • классификация пар вопросов и ответов
  • дистилляция знаний от крупной языковой модели

Ограничения

Модель обучена только для английского языка и имеет меньшую ёмкость, чем крупные варианты BERT; для целевых задач обычно требуется дообучение. README рекомендует рассматривать дистилляцию от более крупной модели для повышения эффективности.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT Miniatures

This is the set of 24 BERT models referenced in Well-Read Students Learn Better: On the Importance of Pre-training Compact Models (English only, uncased, trained with WordPiece masking).

We have shown that the standard BERT recipe (including model architecture and training objective) is effective on a wide range of model sizes, beyond BERT-Base and BERT-Large. The smaller BERT models are intended for environments with restricted computational resources. They can be fine-tuned in the same manner as the original BERT models. However, they are most effective in the context of knowledge distillation, where the fine-tuning labels are produced by a larger and more accurate teacher.

Our goal is to enable research in institutions with fewer computational resources and encourage the community to seek directions of innovation alternative to increasing model capacity.

You can download the 24 BERT miniatures either from the official BERT Github page, or via HuggingFace from the links below:

H=128H=256H=512H=768
L=22/128 (BERT-Tiny)2/2562/5122/768
L=44/1284/256 (BERT-Mini)4/512 (BERT-Small)4/768
L=66/1286/2566/5126/768
L=88/1288/2568/512 (BERT-Medium)8/768
L=1010/12810/25610/51210/768
L=1212/12812/25612/51212/768 (BERT-Base)

Note that the BERT-Base model in this release is included for completeness only; it was re-trained under the same regime as the original model.

Here are the corresponding GLUE scores on the test set:

ModelScoreCoLASST-2MRPCSTS-BQQPMNLI-mMNLI-mmQNLI(v2)RTEWNLIAX
BERT-Tiny64.20.083.281.1/71.174.3/73.662.2/83.470.270.381.557.262.321.0
BERT-Mini65.80.085.981.1/71.875.4/73.366.4/86.274.874.384.157.962.326.1
BERT-Small71.227.889.783.4/76.278.8/77.068.1/87.077.677.086.461.862.328.6
BERT-Medium73.538.089.686.6/81.680.4/78.469.6/87.980.079.187.762.262.330.5

For each task, we selected the best fine-tuning hyperparameters from the lists below, and trained for 4 epochs:

  • batch sizes: 8, 16, 32, 64, 128
  • learning rates: 3e-4, 1e-4, 5e-5, 3e-5

If you use these models, please cite the following paper:

@article{turc2019,
  title={Well-Read Students Learn Better: On the Importance of Pre-training Compact Models},
  author={Turc, Iulia and Chang, Ming-Wei and Lee, Kenton and Toutanova, Kristina},
  journal={arXiv preprint arXiv:1908.08962v2 },
  year={2019}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Ревизия весов
4e937a8

0 моделей