BERT 迷你版

这是在 Well-Read Students Learn Better: On the Importance of Pre-training Compact Models 中提到的一组 24 个 BERT 模型（仅限英文，不区分大小写，使用 WordPiece 掩码进行训练）。

我们证明了标准的 BERT 方法（包括模型架构和训练目标）在一系列模型规模上都很有效，超出了 BERT-Base 和 BERT-Large。较小的 BERT 模型适用于计算资源受限的环境。它们可以像原始 BERT 模型一样进行微调。然而，在知识蒸馏的背景下，它们最有效，其中微调标签由一个更大且更准确的教师模型生成。

我们的目标是为计算资源有限的机构提供研究支持，并鼓励社区寻找增加模型容量以外的创新方向。

您可以从以下链接中的 official BERT Github page 或从 HuggingFace 上下载这 24 个 BERT 迷你版模型：

H=128	H=256	H=512	H=768
L=2	1233321	1234321	1235321	1236321
L=4	1237321	1238321	1239321	12310321
L=6	12311321	12312321	12313321	12314321
L=8	12315321	12316321	12317321	12318321
L=10	12319321	12320321	12321321	12322321
L=12	12323321	12324321	12325321	12326321

注意，这个版本中的 BERT-Base 模型仅用于完整性；它是在与原始模型相同的方案下重新训练的。

下面是测试集上对应的 GLUE 分数：

Model	Score	CoLA	SST-2	MRPC	STS-B	QQP	MNLI-m	MNLI-mm	QNLI(v2)	RTE	WNLI	AX
BERT-Tiny	64.2	0.0	83.2	81.1/71.1	74.3/73.6	62.2/83.4	70.2	70.3	81.5	57.2	62.3	21.0
BERT-Mini	65.8	0.0	85.9	81.1/71.8	75.4/73.3	66.4/86.2	74.8	74.3	84.1	57.9	62.3	26.1
BERT-Small	71.2	27.8	89.7	83.4/76.2	78.8/77.0	68.1/87.0	77.6	77.0	86.4	61.8	62.3	28.6
BERT-Medium	73.5	38.0	89.6	86.6/81.6	80.4/78.4	69.6/87.9	80.0	79.1	87.7	62.2	62.3	30.5

对于每个任务，我们从下面的列表中选择最佳的微调超参数，并进行 4 个 epochs 的训练：

batch sizes: 8, 16, 32, 64, 128
learning rates: 3e-4, 1e-4, 5e-5, 3e-5

如果您使用这些模型，请引用以下论文：

@article{turc2019,
  title={Well-Read Students Learn Better: On the Importance of Pre-training Compact Models},
  author={Turc, Iulia and Chang, Ming-Wei and Lee, Kenton and Toutanova, Kristina},
  journal={arXiv preprint arXiv:1908.08962v2 },
  year={2019}
}

作者:

Google AI

数据集大小:

73.53 MB