BETO（西班牙BERT）+ Spanish SQuAD2.0 + 使用'bert-base-multilingual-cased'作为教师模型进行蒸馏

该模型是在 SQuAD-es-v2.0 上进行微调和蒸馏的版本，用于问答任务。

蒸馏使得该模型比 bert-base-spanish-wwm-cased-finetuned-spa-squad2-es 更小、更快、更便宜、更轻。

该模型在相同的数据集上进行了微调，但在训练过程中使用了蒸馏（并增加了一个训练轮次）。

用于蒸馏的教师模型是bert-base-multilingual-cased。它是distilbert-base-multilingual-cased AKA DistilmBERT 所使用的相同教师模型（平均速度是mBERT-base的两倍）。

下游任务（问答）的详细信息 - 数据集

SQuAD-es-v2.0

模型训练

该模型在Tesla P100 GPU和25GB的RAM上进行训练，使用以下命令：

!export SQUAD_DIR=/path/to/squad-v2_spanish \
&& python transformers/examples/distillation/run_squad_w_distillation.py \
  --model_type bert \
  --model_name_or_path dccuchile/bert-base-spanish-wwm-cased \
  --teacher_type bert \
  --teacher_name_or_path bert-base-multilingual-cased \
  --do_train \
  --do_eval \
  --do_lower_case \
  --train_file $SQUAD_DIR/train-v2.json \
  --predict_file $SQUAD_DIR/dev-v2.json \
  --per_gpu_train_batch_size 12 \
  --learning_rate 3e-5 \
  --num_train_epochs 5.0 \
  --max_seq_length 384 \
  --doc_stride 128 \
  --output_dir /content/model_output \
  --save_steps 5000 \
  --threads 4 \
  --version_2_with_negative

结果：

待定

模型的应用

使用pipelines进行快速使用：

from transformers import *

# Important!: By now the QA pipeline is not compatible with fast tokenizer, but they are working on it. So that pass the object to the tokenizer {"use_fast": False} as in the following example:

nlp = pipeline(
    'question-answering', 
    model='mrm8488/distill-bert-base-spanish-wwm-cased-finetuned-spa-squad2-es',
    tokenizer=(
        'mrm8488/distill-bert-base-spanish-wwm-cased-finetuned-spa-squad2-es',  
        {"use_fast": False}
    )
)

nlp(
    {
        'question': '¿Para qué lenguaje está trabajando?',
        'context': 'Manuel Romero está colaborando activamente con huggingface/transformers ' +
                    'para traer el poder de las últimas técnicas de procesamiento de lenguaje natural al idioma español'
    }
)
# Output: {'answer': 'español', 'end': 169, 'score': 0.67530957344621, 'start': 163}

在Colab中玩转该模型和pipelines：

想了解更多关于Huggingface pipelines的内容吗？请查看这个Colab：

由 Manuel Romero/@mrm8488 创建

在西班牙用♥制作