经典论文阅读（7）——NEZHA

 

论文位置：NEZHA: Neural Contextualized Representation for Chinese Language Understanding – arXiv Vanity

NEZHA基于BERT，并进行了一系列改进，包括作为一种有效的位置编码方案的功能相对位置编码、全字mask策略、混合精度训练和训练模型的LAMB优化。

预训练NEZHA模型

功能相对位置编码

在基础Transformer的基础上，提出了一种参数相对位置编码，在相对位置编码方案中，注意得分的计算涉及到两个位置之间的相对距离的参数嵌入。公式如下：

在NEZHA的当前版本中，我们采用函数相对位置编码，其中输出和注意得分的计算涉及到相对位置的正弦函数。公式如下，其中a_{ij}为：

全词mask

全词mask即WWM的策略是一旦一个汉字被屏蔽，属于同一汉字的其他字符都被屏蔽在一起。在实现NEZHA版本的WWM时，我们用jieba对中文进行分词。

混合精度训练

传统的深度神经网络使用FP32（即单精度浮点格式）。混合精度训练维护模型中权重的单精度副本（即主权重），在每次训练迭代中，它将主权重四舍五入成FP16，并使用存储在FP16格式中的权重、激活和梯度执行前向和后向传递。最后，将梯度转换为FP32格式，并使用FP32梯度更新主权重。

LAMB优化

LAMB优化器是针对深度神经元网络的大批量同步分布式训练而设计的。LAMB优化器采用一般的适应策略，同时提供洞察收敛的理论分析。优化器通过使用非常大的批处理大小(中超过30k)来加速BERT的训练，而不会导致性能损失。

实验

使用的预训练数据包含：中文维基、百度百科、中文新闻。

结论

我们采用了一种有效的功能相对位置编码方案，与其他位置编码方案相比有了显著的改进。NEZHA模型的预训练还集成了全词mask策略、混合精度训练和LAMB优化等多种技术。