BERT 微型模型

这是一组引用 Well-Read Students Learn Better: On the Importance of Pre-training Compact Models 中（仅英文、不区分大小写、使用WordPiece掩码训练）的 24 个 BERT 模型。

我们已经证明了标准的 BERT 方法（包括模型架构和训练目标）对于各种模型尺寸都是有效的，超出了 BERT-Base 和 BERT-Large。较小的 BERT 模型适用于计算资源有限的环境。它们可以像原始的 BERT 模型一样进行微调。然而，它们在知识蒸馏的情况下效果最好，其中微调标签是由更大且更准确的教师模型生成的。

我们的目标是在计算资源较少的机构中促进研究，并鼓励社区寻找除了增加模型容量之外的创新方向。

您可以从以下链接中从 official BERT Github page 下载 24 个 BERT 微型模型，或通过 HuggingFace 进行下载：

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

请注意，此版本的 BERT-Base 模型仅用于完整性；它是在与原始模型相同的体制下重新训练的。

以下是测试集上的对应 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，我们从以下列表中选择了最佳的微调超参数，并进行了 4 个周期的训练：

批量大小：8、16、32、64、128
学习率：3e-4、1e-4、5e-5、3e-5

如果您使用了这些模型，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:

933.5 MB