华为诺亚方舟预训练语言模型NEZHA、TinyBERT开源代码- 专知

华为诺亚方舟预训练语言模型NEZHA、TinyBERT开源代码

【导读】预训练语言模型对自然语言处理领域产生了非常大的影响，华为诺亚方舟实验首席科学家刘群，前不久在AICon全球人工智能与机器学习技术大会上，分享了华为诺亚方舟实验室在预训练语言模型研究与应用。最近就在github上开源了中文预训练模型NEZHA与高效的BERT压缩模型TinyBERT。

github链接：

https://github.com/huawei-noah/Pretrained-Language-Model

NEZHA：诺亚方舟实验室的中文预训练语言模型

首先，在华为内部服务器上重现了Google BERT-base和BERT-large的实验

在华为云上训练和运行成功
中文预训练模型包括：Wikipedia+Baike+News

训练与优化

基于华为云
多卡多机的数据并行
混合精读训练
LAMB优化器

模型改进

函数式相对位置编码
全词覆盖

高效的BERT压缩模型：TinyBERT

BERT性能强大，但不便于部署到算力、内存有限的设备上
提出一种专为Transformer模型设计的知识蒸馏方法，以BERT 作为老师蒸馏出一个小模型—TinyBERT
TinyBERT参数量为 BERT 的 1/7，预测速度是 BERT 的 9 倍，在GLUE评测上相比BERT下降3个百分点
TinyBERT蒸馏：预训练蒸馏+下游任务蒸馏+数据增强

相关工作

Google新推出ALBERT模型
主要改进:
- Factorized embedding parameterization
- Cross-layer parameter sharing

- Inter-sentence coherence loss

优点：
- 大幅度减少模型参数，并加快训练速度
- 通过加深模型，可以在参数减少的情况下获得更好的性能
缺点：
- 模型如果不加深性能会有较多的下降
- 模型加深后推理时间增加了

开源代码

NEZHA

NEZHA是当前基于华为诺亚方舟实验室开发的BERT的中文预训练语言模型。
请注意，此代码用于在普通GPU集群上训练NEZHA，与我们训练华为云提供的NEZHA ModelArts所使用的代码不同。
为了方便重现我们的结果，此代码是在NVIDIA代码和Google代码的早期版本的基础上进行了修订，并整合了我们采用的所有技术。

预训练过程

准备数据的方法与BERT的过程类似：

python utils/create_pretraining_data.py \  --input_file=./sample_text.txt \  --output_file=/tmp/tf_examples.tfrecord \  --vocab_file=./your/path/vocab.txt \  --do_lower_case=True \  --max_seq_length=128 \  --max_predictions_per_seq=20 \  --masked_lm_prob=0.15 \  --random_seed=12345 \  --dupe_factor=5

微调过程

目前，NEZHA支持三种微调任务：文本分类，序列标记和类似SQuAD的机器阅读理解。微调的代码主要基于Google BERT，BERT NER，CMRC2018-DRCD-BERT，在NEZHA/中下载预训练模型并解压模型文件、词汇文件和配置文件。

微调过程如下：

scripts / run_clf.sh用于文本分类任务，例如LCQMC，ChnSenti，XNLI。
scripts / runseqlabelling.sh用于序列标记任务，例如Peoples-daily-NER
scripts / run_reading.sh用于类似SQuAD的机器阅读理解任务，例如CMRC2018
https://github.com/ymcui/cmrc2018

需要注意的是，CMRC任务评估有些不同，因此需要单独运行此脚本：

python cmrc2018_evaluate.py data/cmrc/cmrc2018_dev.json output/cmrc/dev_predictions.json output/cmrc/metric.txt.

已有4种中文与训练模型可以下载：bert-base，bert-large，WWM，Whole Word Masking

TinyBERT

TinyBERT比BERT的小7.5倍，速度快9.4倍，并且在自然语言处理任务中具有竞争优势。它在预训练和任务特定的学习阶段都进行了变压器蒸馏。TinyBERT学习的概述如下所示：

安装方法

依赖于Python3中的部分库：

pip install -r requirements.txt

使用方法

TinyBERT的使用过程分为以下三个步骤：蒸馏、数据增强以及特定任务蒸馏。接下来将会对每个步骤进行详细的介绍：

1、蒸馏

在泛化蒸馏中，使用原始而不进行微调的BERT库作为老师模型，并使用大型文本语料库作为学习数据。通过对通用域中的文本执行Transformer蒸馏，就可以获得了泛化的TinyBERT，它为特定任务的蒸馏提供了良好的初始化。

泛化蒸馏有两个步骤：（1）生成json格式的语料库；（2）进行蒸馏。

step1：使用pregeneratetrainingdata.py生成语料

# ${BERT_BASE_DIR}$ includes the BERT-base teacher model.

python pregenerate_training_data.py --train_corpus ${CORPUS_RAW} \                   --bert_model ${BERT_BASE_DIR}$ \                  --reduce_memory --do_lower_case \                  --epochs_to_generate 3 \                  --output_dir ${CORPUS_JSON_DIR}$

step2：使用general_distill.py进行蒸馏

# ${STUDENT_CONFIG_DIR}$ includes the config file of student_model.

python general_distill.py --pregenerated_data ${CORPUS_JSON}$ \                           --teacher_model ${BERT_BASE}$ \                          --student_model ${STUDENT_CONFIG_DIR}$ \                          --reduce_memory --do_lower_case \                          --train_batch_size 256 \                          --output_dir ${GENERAL_TINYBERT_DIR}$

【模型下载】

开源项目中提供了已经蒸馏的TinyBERT模型：

General_TinyBERT(4layer-312dim)：

https://drive.google.com/uc?export=download&id=1dDigD7QBv1BmE6pWU71pFYPgovvEqOOj

General_TinyBERT(6layer-768dim)：

https://drive.google.com/uc?export=download&id=1wXWR00EHK-Eb7pbyw0VP234i2JTnjJ-x

GeneralTinyBERTv2(4layer-312dim)：

https://drive.google.com/open?id=1PhI73thKoLU2iliasJmlQXBav3v33-8z

GeneralTinyBERTv2(6layer-768dim)：

https://drive.google.com/open?id=1r2bmEsQe4jUBrzJknnNaBJQDgiRKmQjF

2、数据增强

数据增强是为了扩展特定任务的训练集。，学习更多与任务相关的示例，可以进一步提高模型的泛化能力。项目中结合了预训练的语言模型BERT和GloVe嵌入来进行词级别替换，以此进行增强数据。

具体使用dataaugmentation.py进行数据增强，增强后的数据集trainaug.tsv自动保存在对应的${GLUE_DIR/TASK_NAME}$中。

python data_augmentation.py --pretrained_bert_model ${BERT_BASE_DIR}$ \                            --glove_embs ${GLOVE_EMB}$ \                            --glue_dir ${GLUE_DIR}$ \                              --task_name ${TASK_NAME}$

需要注意的是：在运行GLUE任务的数据增强之前，需要通过运行此脚本下载GLUE数据并将其解压缩到GLUEDIR目录。命令中的TASKNAME可以是CoLA，SST-2，MRPC，STS-B，QQP，MNLI，QNLI，RTE中的任意一个。

3、特定任务蒸馏

在特定任务的蒸馏中，主要对transformer进行蒸馏，以进一步改善TinyBERT。特定任务的蒸馏包括两个步骤：（1）中间层蒸馏；（2）预测层蒸馏。

step1：运行task_distill.py进行中间层蒸馏

# ${FT_BERT_BASE_DIR}$ contains the fine-tuned BERT-base model.python task_distill.py --teacher_model ${FT_BERT_BASE_DIR}$ \                       --student_model ${GENERAL_TINYBERT_DIR}$ \                       --data_dir ${TASK_DIR}$ \                       --task_name ${TASK_NAME}$ \                        --output_dir ${TMP_TINYBERT_DIR}$ \                       --max_seq_length 128 \                       --train_batch_size 32 \                       --num_train_epochs 10 \                       --aug_train \                       --do_lower_case

step2：运行task_distill.py进行预测层蒸馏

python task_distill.py --pred_distill  \                       --teacher_model ${FT_BERT_BASE_DIR}$ \                       --student_model ${TMP_TINYBERT_DIR}$ \                       --data_dir ${TASK_DIR}$ \                       --task_name ${TASK_NAME}$ \                       --output_dir ${TINYBERT_DIR}$ \                       --aug_train  \                         --do_lower_case \                       --learning_rate 3e-5  \                       --num_train_epochs  3  \                       --eval_step 100 \                       --max_seq_length 128 \                       --train_batch_size 32

【模型下载】

项目中提供了所有GLUE任务中的蒸馏TinyBERT：

TinyBERT(4layer-312dim):

https://drive.google.com/uc?export=download&id=1_sCARNCgOZZFiWTSgNbE7viW_G5vIXYg

TinyBERT(6layer-768dim):

https://drive.google.com/uc?export=download&id=1Vf0ZnMhtZFUE0XoD3hTXc6QtHwKr_PwS

模型性能评估

运行task_distill.py进行性能评估

${TINYBERT_DIR}$ includes the config file, student model and vocab file.python task_distill.py --do_eval \                       --student_model ${TINYBERT_DIR}$ \                       --data_dir ${TASK_DIR}$ \                       --task_name ${TASK_NAME}$ \                       --output_dir ${OUTPUT_DIR}$ \                       --do_lower_case \                       --eval_batch_size 32 \                       --max_seq_length 128