/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
big_bird · dense

bigbird-roberta-base

Языковая модель7 профессий

Англоязычная предварительно обученная модель BigBird с разреженным вниманием для представления и дообучения на текстах длиной до 4096 токенов.

149 тыс.скачиваний за 30 дней64лайкавеса обновлены2 июн 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

BigBird-base — предварительно обученная языковая модель, разработанная командой Google Research и представленная в исследовательской работе о разреженном внимании. Это плотный Transformer с блочно-разреженным вниманием; модель содержит около 151,9 млн параметров и принимает последовательности длиной до 4096 токенов. Доступны веса PyTorch и Flax, лицензия — Apache 2.0.

Модель обучена на английском языке с целью masked language modeling на корпусах Books, CC-News, Stories и Wikipedia. Она рассчитана на получение признаковых представлений текста и служит базой для дообучения задач обработки длинных документов; архитектура BigBird снижает вычислительную стоимость внимания по сравнению с обычным полным вниманием и подходит для длинного контекста.

Модель сама по себе не является готовым чат-ботом или специализированной системой суммаризации и ответов на вопросы: для прикладных задач обычно требуется подходящая голова задачи или дообучение. Основной язык — английский; лицензия Apache 2.0 разрешает использование и модификацию на её условиях.

Сценарии применения

  • получение признаковых представлений длинных текстов
  • дообучение для суммаризации длинных документов
  • дообучение для ответов на вопросы по длинному контексту
  • обработка длинных последовательностей текста

Ограничения

Это базовая MLM-модель, а не готовый чат-бот или законченная система суммаризации и ответов на вопросы; для таких задач обычно требуется дообучение или соответствующая задачавая голова. Поддержка заявлена для английского языка, а длина входной последовательности ограничена 4096 токенами.

Для каких профессий подходит7

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

BigBird base model

BigBird, is a sparse-attention based transformer which extends Transformer based models, such as BERT to much longer sequences. Moreover, BigBird comes along with a theoretical understanding of the capabilities of a complete transformer that the sparse model can handle.

It is a pretrained model on English language using a masked language modeling (MLM) objective. It was introduced in this paper and first released in this repository.

Disclaimer: The team releasing BigBird did not write a model card for this model so this model card has been written by the Hugging Face team.

Model description

BigBird relies on block sparse attention instead of normal attention (i.e. BERT's attention) and can handle sequences up to a length of 4096 at a much lower compute cost compared to BERT. It has achieved SOTA on various tasks involving very long sequences such as long documents summarization, question-answering with long contexts.

How to use

Here is how to use this model to get the features of a given text in PyTorch:

from transformers import BigBirdModel

# by default its in `block_sparse` mode with num_random_blocks=3, block_size=64
model = BigBirdModel.from_pretrained("google/bigbird-roberta-base")

# you can change `attention_type` to full attention like this:
model = BigBirdModel.from_pretrained("google/bigbird-roberta-base", attention_type="original_full")

# you can change `block_size` & `num_random_blocks` like this:
model = BigBirdModel.from_pretrained("google/bigbird-roberta-base", block_size=16, num_random_blocks=2)

text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

Training Data

This model is pre-trained on four publicly available datasets: Books, CC-News, Stories and Wikipedia. It used same sentencepiece vocabulary as RoBERTa (which is in turn borrowed from GPT2).

Training Procedure

Document longer than 4096 were split into multiple documents and documents that were much smaller than 4096 were joined. Following the original BERT training, 15% of tokens were masked and model is trained to predict the mask.

Model is warm started from RoBERTa’s checkpoint.

BibTeX entry and citation info

@misc{zaheer2021big,
      title={Big Bird: Transformers for Longer Sequences}, 
      author={Manzil Zaheer and Guru Guruganesh and Avinava Dubey and Joshua Ainslie and Chris Alberti and Santiago Ontanon and Philip Pham and Anirudh Ravula and Qifan Wang and Li Yang and Amr Ahmed},
      year={2021},
      eprint={2007.14062},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
BigBirdForPreTraining
Ревизия весов
5a145f7

0 моделей