/ Модель

Характеристики

Контекст
512 токенов
Параметры
77,5 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Опубликована
2 мар 2022

deberta-v3-xsmall

Заполнение пропусковТекст → текст3 профессии

Компактная англоязычная модель Microsoft для заполнения пропусков в тексте и дообучения на задачах понимания естественного языка.

42 424скачиваний за 30 дней53лайкавеса обновлены26 сен 2022

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

DeBERTaV3 xsmall — англоязычная языковая модель Microsoft на архитектуре DeBERTaV2 для задач понимания текста. Она использует раздельное кодирование содержимого и позиционной информации в механизме внимания, улучшенный декодер маски и предобучение в стиле ELECTRA с разделением градиентов эмбеддингов. Версия xsmall состоит из 12 слоёв со скрытым размером 384; в ней 22 млн параметров в основной части и 48 млн в слое эмбеддингов. Общий размер по метаданным — 77,5 млн параметров, словарь содержит 128 тысяч токенов, длина контекста — до 512 токенов.

Модель предназначена для восстановления замаскированных токенов и может служить компактной основой для дообучения на задачах понимания естественного языка, например классификации текста и ответов на вопросы. В карточке приведены результаты дообучения на SQuAD 2.0 и MNLI. Метаданные указывают поддержку английского языка и форматы PyTorch и TensorFlow. Лицензия MIT разрешает свободное использование с соблюдением её условий.

Сценарии применения

  • восстановление замаскированных слов в предложении
  • дообучение классификатора англоязычных текстов
  • дообучение модели для ответов на вопросы по тексту
  • оценка понимания английских текстов

Ограничения

Контекст ограничен 512 токенами; для классификации и ответов на вопросы модель требуется дообучить под конкретную задачу.

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

DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing

DeBERTa improves the BERT and RoBERTa models using disentangled attention and enhanced mask decoder. With those two improvements, DeBERTa out perform RoBERTa on a majority of NLU tasks with 80GB training data.

In DeBERTa V3, we further improved the efficiency of DeBERTa using ELECTRA-Style pre-training with Gradient Disentangled Embedding Sharing. Compared to DeBERTa, our V3 version significantly improves the model performance on downstream tasks. You can find more technique details about the new model from our paper.

Please check the official repository for more implementation details and updates.

The DeBERTa V3 xsmall model comes with 12 layers and a hidden size of 384. It has only 22M backbone parameters with a vocabulary containing 128K tokens which introduces 48M parameters in the Embedding layer. This model was trained using the 160GB data as DeBERTa V2.

Fine-tuning on NLU tasks

We present the dev results on SQuAD 2.0 and MNLI tasks.

ModelVocabulary(K)Backbone #Params(M)SQuAD 2.0(F1/EM)MNLI-m/mm(ACC)
RoBERTa-base508683.7/80.587.6/-
XLNet-base3292-/80.286.8/-
ELECTRA-base3086-/80.588.8/
DeBERTa-base5010086.2/83.188.8/88.5
DeBERTa-v3-large12830491.5/89.091.8/91.9
DeBERTa-v3-base1288688.4/85.490.6/90.7
DeBERTa-v3-small1284482.8/80.488.3/87.7
DeBERTa-v3-xsmall1282284.8/82.088.1/88.3
DeBERTa-v3-xsmall+SiFT12822-/-88.4/88.5

Fine-tuning with HF transformers

#!/bin/bash

cd transformers/examples/pytorch/text-classification/

pip install datasets
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-v3-xsmall \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 1000 \
  --per_device_train_batch_size ${batch_size} \
  --learning_rate 4.5e-5 \
  --num_train_epochs 3 \
  --output_dir $output_dir \
  --overwrite_output_dir \
  --logging_steps 1000 \
  --logging_dir $output_dir

Citation

If you find DeBERTa useful for your work, please cite the following papers:

@misc{he2021debertav3,
      title={DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing}, 
      author={Pengcheng He and Jianfeng Gao and Weizhu Chen},
      year={2021},
      eprint={2111.09543},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}
@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}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Ревизия весов
4b41981

0 моделей