DeBERTa: 使用分离注意力和增强的掩码解码器改善BERT和RoBERTa模型

DeBERTa 使用分离的注意力和增强的掩码解码器改进了BERT和RoBERTa模型。在80GB的训练数据上，它在大多数NLU任务上优于BERT和RoBERTa。

请查看 official repository 了解更多详细信息和更新。

这是DeBERTa V2 xlarge模型，具有24层，1536隐藏大小。总参数为900M，使用160GB原始数据进行训练。

在NLU任务上进行微调

我们在SQuAD 1.1/2.0和几个GLUE基准任务上展示了开发结果。

• 1 根据RoBERTa的做法，对于RTE、MRPC、STS-B，我们基于 DeBERTa-Large-MNLI 、 DeBERTa-XLarge-MNLI 、 DeBERTa-V2-XLarge-MNLI 、 DeBERTa-V2-XXLarge-MNLI 对任务进行微调。当从MNLI微调模型开始时，SST-2/QQP/QNLI/SQuADv2的结果也会稍微提高，但是我们只报告从预训练的基础模型微调的这四个任务的结果。
• 2 要尝试使用 HF transformers 的XXLarge模型，您需要指定--sharded_ddp

cd transformers/examples/text-classification/
export TASK_NAME=mrpc
python -m torch.distributed.launch --nproc_per_node=8 run_glue.py   --model_name_or_path microsoft/deberta-v2-xxlarge   \\\\
--task_name $TASK_NAME   --do_train   --do_eval   --max_seq_length 128   --per_device_train_batch_size 4   \\\\
--learning_rate 3e-6   --num_train_epochs 3   --output_dir /tmp/$TASK_NAME/ --overwrite_output_dir --sharded_ddp --fp16

引用

如果您发现DeBERTa对您的工作有用，请引用以下论文：

@inproceedings{
he2021deberta,
title={DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION},
author={Pengcheng He and Xiaodong Liu and Jianfeng Gao and Weizhu Chen},
booktitle={International Conference on Learning Representations},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}