bert-large-uncased:可用于掩码语言建模、下一句预测，或微调至序列分类、问答等下游任务。项目是基于英语语料预训练的 BERT large 无大小写模型，具备 24 层、1024 隐藏维度和 336M 参数，支持双向文本表示学习。【此简介由AI生成】 - AtomGit AI社区

BERT large model (uncased)

基于英语语言、使用掩码语言模型（MLM）目标训练的预训练模型。此模型为小写模型：它不区分“english”和“English”。

模型说明

BERT 是一个在大规模英语语料库上以自监督方式预训练的转换器模型。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其进行标记（这也是它能够利用大量公开可用数据的原因），并通过自动流程从这些文本中生成输入和标签。更准确地说，它通过两个目标进行预训练：

掩码语言模型（MLM）：对于一个句子，模型随机掩码输入中15%的词，然后将整个掩码句子输入模型，并预测被掩码的词。这与传统的循环神经网络（RNNs）通常逐个处理词，或者与像GPT这样的自回归模型（会内部掩码未来标记）有所不同。它允许模型学习句子的双向表示。
下一句预测（NSP）：模型在预训练期间将两个掩码句子连接起来作为输入。有时它们对应于原始文本中相邻的句子，有时则不是。然后模型需要预测这两个句子是否前后连贯。

通过这种方式，模型学习到英语语言的内部表示，该表示可用于提取对下游任务有用的特征：例如，如果您有一个带标签的句子数据集，您可以使用 BERT 模型生成的特征作为输入来训练标准分类器。

该模型具有以下配置：

24 层
1024 隐藏维度
16 个注意力头
3.36 亿参数

预期用途和限制

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。请查看模型以寻找您感兴趣的任务上的微调版本。

请注意，此模型主要用于在需要使用整个句子（可能被掩码）来做决策的任务上进行微调，例如序列分类、标记分类或问答。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

您可以直接通过管道将此模型用于掩码语言建模：

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='bert-large-uncased')
>>> unmasker("Hello I'm a [MASK] model.")
[{'sequence': "[CLS] hello i'm a fashion model. [SEP]",
  'score': 0.1886913776397705,
  'token': 4827,
  'token_str': 'fashion'},
 {'sequence': "[CLS] hello i'm a professional model. [SEP]",
  'score': 0.07157472521066666,
  'token': 2658,
  'token_str': 'professional'},
 {'sequence': "[CLS] hello i'm a male model. [SEP]",
  'score': 0.04053466394543648,
  'token': 3287,
  'token_str': 'male'},
 {'sequence': "[CLS] hello i'm a role model. [SEP]",
  'score': 0.03891477733850479,
  'token': 2535,
  'token_str': 'role'},
 {'sequence': "[CLS] hello i'm a fitness model. [SEP]",
  'score': 0.03038121573626995,
  'token': 10516,
  'token_str': 'fitness'}]

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 BertTokenizer, BertModel
tokenizer = BertTokenizer.from_pretrained('bert-large-uncased')
model = BertModel.from_pretrained("bert-large-uncased")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

而在 TensorFlow 中：

from transformers import BertTokenizer, TFBertModel
tokenizer = BertTokenizer.from_pretrained('bert-large-uncased')
model = TFBertModel.from_pretrained("bert-large-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：

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

[{'sequence': '[CLS] the man worked as a bartender. [SEP]',
  'score': 0.10426565259695053,
  'token': 15812,
  'token_str': 'bartender'},
 {'sequence': '[CLS] the man worked as a waiter. [SEP]',
  'score': 0.10232779383659363,
  'token': 15610,
  'token_str': 'waiter'},
 {'sequence': '[CLS] the man worked as a mechanic. [SEP]',
  'score': 0.06281787157058716,
  'token': 15893,
  'token_str': 'mechanic'},
 {'sequence': '[CLS] the man worked as a lawyer. [SEP]',
  'score': 0.050936125218868256,
  'token': 5160,
  'token_str': 'lawyer'},
 {'sequence': '[CLS] the man worked as a carpenter. [SEP]',
  'score': 0.041034240275621414,
  'token': 10533,
  'token_str': 'carpenter'}]

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

[{'sequence': '[CLS] the woman worked as a waitress. [SEP]',
  'score': 0.28473711013793945,
  'token': 13877,
  'token_str': 'waitress'},
 {'sequence': '[CLS] the woman worked as a nurse. [SEP]',
  'score': 0.11336520314216614,
  'token': 6821,
  'token_str': 'nurse'},
 {'sequence': '[CLS] the woman worked as a bartender. [SEP]',
  'score': 0.09574324637651443,
  'token': 15812,
  'token_str': 'bartender'},
 {'sequence': '[CLS] the woman worked as a maid. [SEP]',
  'score': 0.06351090222597122,
  'token': 10850,
  'token_str': 'maid'},
 {'sequence': '[CLS] the woman worked as a secretary. [SEP]',
  'score': 0.048970773816108704,
  'token': 3187,
  'token_str': 'secretary'}]

这种偏差也会影响该模型的所有微调版本。

训练数据

BERT 模型在 BookCorpus（一个包含 11,038 本未出版书籍的数据集）和 English Wikipedia（不包括列表、表格和标题）上进行了预训练。

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”组合后的总长度少于 512 个 tokens。

每个句子的掩码处理细节如下：

15% 的 tokens 被掩码。
在 80% 的情况下，被掩码的 tokens 替换为 [MASK]。
在 10% 的情况下，被掩码的 tokens 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 tokens 保持原样。

预训练

该模型在 Pod 配置的 4 个云 TPU（共 16 个 TPU 芯片）上进行训练，训练步数为一百万步，批处理大小为 256。在 90% 的训练步骤中，序列长度限制为 128 个 tokens，其余 10% 的步骤中则为 512 个 tokens。使用的优化器为 Adam，学习率为 1e-4，$\beta_{1} = 0.9$，$\beta_{2} = 0.999$，权重衰减为 0.01，学习率预热 10,000 步，之后学习率线性衰减。

评估结果

在下游任务上进行微调后，该模型取得了以下结果：

模型	SQUAD 1.1 F1/EM	Multi NLI 准确率
BERT-Large, Uncased (Original)	91.0/84.3	86.05

BibTeX 条目和引用信息

@article{DBLP:journals/corr/abs-1810-04805,
  author    = {Jacob Devlin and
               Ming{-}Wei Chang and
               Kenton Lee and
               Kristina Toutanova},
  title     = {{BERT:} Pre-training of Deep Bidirectional Transformers for Language
               Understanding},
  journal   = {CoRR},
  volume    = {abs/1810.04805},
  year      = {2018},
  url       = {http://arxiv.org/abs/1810.04805},
  archivePrefix = {arXiv},
  eprint    = {1810.04805},
  timestamp = {Tue, 30 Oct 2018 20:39:56 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1810-04805.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}