DistilBERT 基础模型（大小写敏感）模型卡片

该模型是 BERT 基础模型的蒸馏版本。它在本文中被首次提出。蒸馏过程的代码可在此处找到。此模型区分大小写：例如，它会区分 "english" 和 "English"。

关于预训练、用途、局限性和潜在偏差的所有训练细节（包含在下方）均与 DistilBERT-base-uncased 相同。如果您想了解更多信息，我们强烈建议您查阅该模型的相关内容。

模型描述

DistilBERT 是一个转换器模型，它比 BERT 更小、更快，并且在相同的语料库上以自监督的方式进行了预训练，以 BERT 基础模型作为教师模型。这意味着它仅在原始文本上进行预训练，无需人工以任何方式对文本进行标注（这也是它能够利用大量公开可用数据的原因），并通过一种自动流程，利用 BERT 基础模型从这些文本中生成输入和标签。更准确地说，它通过三个目标进行预训练：

蒸馏损失：训练模型以返回与 BERT 基础模型相同的概率。
掩码语言建模（MLM）：这是 BERT 基础模型原始训练损失的一部分。在处理一个句子时，模型会随机掩码输入中 15% 的词语，然后将整个掩码后的句子输入模型，并要求模型预测被掩码的词语。这与传统的循环神经网络（RNNs）通常逐个处理词语的方式不同，也与像 GPT 这样会在内部掩码未来标记的自回归模型不同。它允许模型学习句子的双向表示。
余弦嵌入损失：模型还被训练以生成与 BERT 基础模型尽可能接近的隐藏状态。

通过这种方式，该模型能够学习到与其教师模型相同的英语内在表示，同时在推理或下游任务中速度更快。

预期用途与局限性

您可以将原始模型用于掩码语言建模或下一句预测，但它主要旨在针对下游任务进行微调。请查看模型中心以寻找您感兴趣任务的微调版本。

请注意，此模型主要用于在需要利用整个句子（可能包含掩码）进行决策的任务上进行微调，例如序列分类、标记分类或问答任务。对于文本生成等任务，您应该考虑像 GPT2 这样的模型。

如何使用

您可以直接将此模型与用于掩码语言建模的管道配合使用：

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='distilbert-base-uncased')
>>> unmasker("Hello I'm a [MASK] model.")

[{'sequence': "[CLS] hello i'm a role model. [SEP]",
  'score': 0.05292855575680733,
  'token': 2535,
  'token_str': 'role'},
 {'sequence': "[CLS] hello i'm a fashion model. [SEP]",
  'score': 0.03968575969338417,
  'token': 4827,
  'token_str': 'fashion'},
 {'sequence': "[CLS] hello i'm a business model. [SEP]",
  'score': 0.034743521362543106,
  'token': 2449,
  'token_str': 'business'},
 {'sequence': "[CLS] hello i'm a model model. [SEP]",
  'score': 0.03462274372577667,
  'token': 2944,
  'token_str': 'model'},
 {'sequence': "[CLS] hello i'm a modeling model. [SEP]",
  'score': 0.018145186826586723,
  'token': 11643,
  'token_str': 'modeling'}]

以下是如何在 PyTorch 中使用此模型获取给定文本特征的方法：

from transformers import DistilBertTokenizer, DistilBertModel
tokenizer = DistilBertTokenizer.from_pretrained('distilbert-base-uncased')
model = DistilBertModel.from_pretrained("distilbert-base-uncased")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

以及在 TensorFlow 中：

from transformers import DistilBertTokenizer, TFDistilBertModel
tokenizer = DistilBertTokenizer.from_pretrained('distilbert-base-uncased')
model = TFDistilBertModel.from_pretrained("distilbert-base-uncased")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='tf')
output = model(encoded_input)

局限性与偏见

即便用于训练此模型的数据可被描述为相当中立，该模型仍可能产生有偏见的预测。它还继承了[其教师模型的部分偏见]。

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='distilbert-base-uncased')
>>> unmasker("The White man worked as a [MASK].")

[{'sequence': '[CLS] the white man worked as a blacksmith. [SEP]',
  'score': 0.1235365942120552,
  'token': 20987,
  'token_str': 'blacksmith'},
 {'sequence': '[CLS] the white man worked as a carpenter. [SEP]',
  'score': 0.10142576694488525,
  'token': 10533,
  'token_str': 'carpenter'},
 {'sequence': '[CLS] the white man worked as a farmer. [SEP]',
  'score': 0.04985016956925392,
  'token': 7500,
  'token_str': 'farmer'},
 {'sequence': '[CLS] the white man worked as a miner. [SEP]',
  'score': 0.03932540491223335,
  'token': 18594,
  'token_str': 'miner'},
 {'sequence': '[CLS] the white man worked as a butcher. [SEP]',
  'score': 0.03351764753460884,
  'token': 14998,
  'token_str': 'butcher'}]

>>> unmasker("The Black woman worked as a [MASK].")

[{'sequence': '[CLS] the black woman worked as a waitress. [SEP]',
  'score': 0.13283951580524445,
  'token': 13877,
  'token_str': 'waitress'},
 {'sequence': '[CLS] the black woman worked as a nurse. [SEP]',
  'score': 0.12586183845996857,
  'token': 6821,
  'token_str': 'nurse'},
 {'sequence': '[CLS] the black woman worked as a maid. [SEP]',
  'score': 0.11708822101354599,
  'token': 10850,
  'token_str': 'maid'},
 {'sequence': '[CLS] the black woman worked as a prostitute. [SEP]',
  'score': 0.11499975621700287,
  'token': 19215,
  'token_str': 'prostitute'},
 {'sequence': '[CLS] the black woman worked as a housekeeper. [SEP]',
  'score': 0.04722772538661957,
  'token': 22583,
  'token_str': 'housekeeper'}]

这种偏差也会影响该模型的所有微调版本。

训练数据

DistilBERT 与 BERT 使用相同的数据进行预训练，即 BookCorpus（https://yknzhu.wixsite.com/mbweb）——一个包含 11,038 本未出版书籍的数据集，以及英文维基百科（https://en.wikipedia.org/wiki/English_Wikipedia，不包括列表、表格和标题）。

训练过程

预处理

文本会被转换为小写，并使用 WordPiece 进行分词，词汇表大小为 30,000。然后，模型的输入形式如下：

[CLS] Sentence A [SEP] Sentence B [SEP]

以 0.5 的概率，句子 A 和句子 B 对应原始语料库中的两个连续句子，在其他情况下，则是语料库中的另一个随机句子。请注意，此处所指的“句子”是一段连续的文本，通常比单个句子更长。唯一的限制是，这两个“句子”组合后的总长度需少于 512 个 token。

每个句子的掩码处理细节如下：

15% 的 token 被掩码。
在 80% 的情况下，被掩码的 token 会被替换为 [MASK]。
在 10% 的情况下，被掩码的 token 会被替换为一个（与原 token 不同的）随机 token。
在剩余 10% 的情况下，被掩码的 token 保持不变。

预训练

该模型在 8 块 16 GB V100 上训练了 90 小时。有关所有超参数的详细信息，请参见训练代码。

评估结果

当在下游任务上进行微调时，该模型取得了以下结果：

GLUE 测试结果：

任务	MNLI	QQP	QNLI	SST-2	CoLA	STS-B	MRPC	RTE
	81.5	87.8	88.2	90.4	47.2	85.5	85.6	60.6

BibTeX 条目和引用信息

@article{Sanh2019DistilBERTAD,
  title={DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter},
  author={Victor Sanh and Lysandre Debut and Julien Chaumond and Thomas Wolf},
  journal={ArXiv},
  year={2019},
  volume={abs/1910.01108}
}