DistilBERT 基础模型（uncased）

该模型是 BERT 基础模型的蒸馏版本。它在此论文中被首次提出。蒸馏过程的代码可在此处找到。此模型为 uncased 版本：即“english”和“English”对其而言没有区别。

修改

修改示例代码部分。

模型描述

DistilBERT 是一个 transformers 模型，它比 BERT 更小、更快。它以 BERT 基础模型作为教师模型，在相同的语料库上以自监督的方式进行预训练。这意味着它仅在原始文本上进行预训练，无需人工对文本进行任何形式的标注（这也是它能够利用大量公开可用数据的原因），并通过一种自动过程，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，它是在三个目标下进行预训练的：

蒸馏损失：训练模型使其输出与 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，模型需要预测被掩码的词语。这与传统的循环神经网络（RNNs）通常逐个处理词语，或者与像 GPT 这样的自回归模型在内部掩码未来标记的方式不同。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，该模型学习到了与其教师模型相同的英语语言内部表示，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。

请注意，此模型主要用于在需要利用整个句子（可能带有掩码）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 pipeline 配合使用：

>>> from openmind import pipeline
>>> unmasker = pipeline('fill-mask', model='PyTorch-NPU/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：

import openmind
from transformers import DistilBertTokenizer, DistilBertModel
tokenizer = DistilBertTokenizer.from_pretrained('PyTorch-NPU/distilbert_base_uncased')
model = DistilBertModel.from_pretrained("PyTorch-NPU/distilbert_base_uncased")
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
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 openmind import pipeline
>>> unmasker = pipeline('fill-mask', model='PyTorch-NPU/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 预训练所使用的数据相同，即 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）。

训练过程

预处理

文本经过小写处理，并使用 WordPiece 进行分词，词汇表大小为 30,000。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。所有超参数的详细信息请参见训练代码。

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：

GLUE 测试结果：

任务	MNLI	QQP	QNLI	SST-2	CoLA	STS-B	MRPC	RTE
	82.2	88.5	89.2	91.3	51.3	85.8	87.5	59.9

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}
}