背景
自从Bert横扫各大榜单之后,对Bert的尝试就没有停止过。在这种思路下,实验显示隐藏层数越多,参数量越多,模型的效果越好。虽然效果变好,但是由于GPU/TPU的限制,这些SOA的模型要单机跑起来是很困难的。因此文中提出了一种参数共享的新思路。
Albert的改进
Albert主要是从三方面对Bert进行了改进
Emebdding因式分解(Factorized embedding parameterization)
在Bert, XLNet, RoBERTa这些模型中,WordPiece Emebeding的大小和hidden size的大小一致。这里来解释一下hidden size, 指的是transformer的encoder中的hidden size。即E=H
对于模型来时WordPiece Emebeding是学习上下文无关的表示,而hidden size则学习的是上下文有关的表示,后者明显更加复杂。因此正常情况下H应该是大于E的。但是随着H变大,正常情况下词汇表V是非常大的,如果E随着H增大,embedding matrix就会非常大。
文中提出了对Encoder层进行因式分解,打破了E和H之间的关系。具体的做法是将embedding matrix分解成了两个矩阵V*E和E*H,这样当H非常大的时候可以有效地降低embedding matrix的计算量。在代码中的体现则是在Encoder层中增加了embedding_hidden_mapping_in层,即增加了E*H的矩阵。使得Embedding层和Encoder层解除绑定。
class AlbertEncoder(nn.Module):
def __init__(self, config):
super(AlbertEncoder, self).__init__()
self.hidden_size = config.hidden_size
self.embedding_size = config.embedding_size
self.embedding_hidden_mapping_in = nn