DeBERTaV3: 使用ELECTRA风格的预训练和梯度解耦嵌入共享来改进DeBERTa

DeBERTa 使用解耦的注意力和增强的掩码解码器来改进BERT和RoBERTa模型。通过这两项改进，DeBERTa在绝大多数NLU任务中优于RoBERTa，使用了80GB的训练数据。

在 DeBERTa V3 中，我们进一步改进了DeBERTa的效率，使用了梯度解耦嵌入共享的ELECTRA风格的预训练。与DeBERTa相比，我们的V3版本显著提高了模型在下游任务中的性能。您可以在我们的 paper 中找到有关新模型的更多技术细节。

请查看 official repository 以获取更多实现细节和更新。

DeBERTa V3基础模型有12层和隐藏大小为768。它只有86M的主干参数，并且词汇表包含128K个标记，嵌入层中引入了98M个参数。该模型使用160GB的数据进行训练，与DeBERTa V2相同。

我们提出了SQuAD 2.0和MNLI任务的开发结果。

我们提出了SQuAD 1.1/2.0和MNLI任务的开发结果。

#!/bin/bash

cd transformers/examples/pytorch/text-classification/

pip install datasets
export TASK_NAME=mnli

output_dir="ds_results"

num_gpus=8

batch_size=8

python -m torch.distributed.launch --nproc_per_node=${num_gpus} \
  run_glue.py \
  --model_name_or_path microsoft/deberta-v3-base \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 500 \
  --per_device_train_batch_size ${batch_size} \
  --learning_rate 2e-5 \
  --num_train_epochs 3 \
  --output_dir $output_dir \
  --overwrite_output_dir \
  --logging_steps 1000 \
  --logging_dir $output_dir

引文

如果您发现DeBERTa对您的工作有用，请引用以下论文：

@misc{he2021debertav3,
      title={DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing}, 
      author={Pengcheng He and Jianfeng Gao and Weizhu Chen},
      year={2021},
      eprint={2111.09543},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@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}
}