谷歌NLP模型的官方TensorFlow实现很强,现在,它的PyTorch版本来了!只需简单运行一次转换脚本,就可得到一个PyTorch模型,且结果与原始版本相近,甚至更好。
上周,谷歌最强NLP模型BERT开源了官方TensorFlow代码和预训练模型,引起大量关注。
现在,PyTorch用户的福利来了:一个名为Hugging Face的团队近日公开了BERT模型的谷歌官方TensorFlow库的op-for-op PyTorch重新实现:
https://github.com/huggingface/pytorch-pretrained-BERT
这个实现可以为BERT加载任何预训练的TensorFlow checkpoint(特别是谷歌的官方预训练模型),并提供一个转换脚本。
BERT-base和BERT-large模型的参数数量分别为110M和340M,为了获得良好的性能,很难使用推荐的batch size在单个GPU上对其进行微调。为了帮助微调模型,这个repo还提供了3种可以在微调脚本中激活技术:梯度累积(gradient-accumulation)、 multi-GPU 和分布式训练。
其结果如下:
在序列级MRPC分类任务上,该实现使用小型BERT-base模型再现了原始实现的84%-88%的准确率。
在token级的SQuAD 任务上,该个实现使用小型BERT-base模型再现了原始实现的88.52 F1的结果。
作者表示,正致力于在其他任务以及更大的BERT模型上重现结果。
BERT模型的PyTorch实现
这个存储库包含了谷歌BERT模型的官方TensorFlow存储库的op-for-op PyTorch重新实现。谷歌的官方存储库是与BERT论文一起发布的:BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding,作者是Jacob Devlin、Ming-Wei Chang、Kenton Lee和Kristina Toutanova。
这个实现可以为BERT加载任何预训练的TensorFlow checkpoint(特别是谷歌的预训练模型),并提供了一个转换脚本(见下文)。
此外,我们将在本周晚些时候添加多语言版本和中文版本的模型代码。
脚本:加载任何TensorFlow检查点
使用convert_tf_checkpoint_to_pytorch.py脚本,你可以在PyTorch保存文件中转换BERT的任何TensorFlow检查点(尤其是谷歌发布的官方预训练模型)。
这个脚本将TensorFlow checkpoint(以bert_model.ckpt开头的三个文件)和相关的配置文件(bert_config.json)作为输入,并为此配置创建PyTorch模型,从PyTorch模型的TensorFlow checkpoint加载权重并保存生成的模型在一个标准PyTorch保存文件中,可以使用 torch.load() 导入(请参阅extract_features.py,run_classifier.py和run_squad.py中的示例)。
只需要运行一次这个转换脚本,就可以得到一个PyTorch模型。然后,你可以忽略TensorFlow checkpoint(以bert_model.ckpt开头的三个文件),但是一定要保留配置文件(bert_config.json)和词汇表文件(vocab.txt),因为PyTorch模型也需要这些文件。
要运行这个特定的转换脚本,你需要安装TensorFlow和PyTorch。该库的其余部分只需要PyTorch。
下面是一个预训练的BERT-Base Uncased 模型的转换过程示例:
export BERT_BASE_DIR=/path/to/bert/uncased_L-12_H-768_A-12 python convert_tf_checkpoint_to_pytorch.py \ --tf_checkpoint_path $BERT_BASE_DIR/bert_model.ckpt \ --bert_config_file $BERT_BASE_DIR/bert_config.json \ --pytorch_dump_path $BERT_BASE_DIR/pytorch_model.bin
你可以在这里下载Google的预训练转换模型:
https://github.com/google-research/bert#pre-trained-models
BERT的PyTorch模型
在这个库里,我们提供了三个PyTorch模型,你可以在modeling.py中找到:
BertModel - 基本的BERT Transformer 模型
BertForSequenceClassification - 顶部带有sequence classification head的BERT模型
BertForQuestionAnswering - 顶部带有token classification head 的BERT模型,
以下是每类模型的一些细节。
1 . BertModel
BertModel是一个基本的BERT Transformer模型,包含一个summed token、位置和序列嵌入层,然后是一系列相同的self-attention blocks(BERT-base是12个blocks, BERT-large是24个blocks)。
输入和输出与TensorFlow 模型的输入和输出相同。
具体来说,该模型的输入是:
input_ids:一个形状为[batch_size, sequence_length]的torch.LongTensor,在词汇表中包含单词的token索引
token_type_ids:形状[batch_size, sequence_length]的可选torch.LongTensor,在[0,1]中选择token类型索引。类型0对应于句子A,类型1对应于句子B。
attention_mask:一个可选的torch.LongTensor,形状为[batch_size, sequence_length],索引在[0,1]中选择。
模型的输出是由以下内容组成的一个元组:
all_encoder_layers:一个大小为[batch_size, sequence_length,hidden_size]的torch.FloatTensor列表,它是每个注意块末端隐藏状态的完整序列列表(即BERT-base的12个完整序列,BERT-large的24个完整序列)
pooled_output:一个大小为[batch_size, hidden_size]的torch.FloatTensor,它是在与输入(CLF)的第一个字符相关联的隐藏状态之上预训练的分类器的输出,用于训练Next-Sentence任务(参见BERT的论文)。
extract_features.py脚本提供了有关如何使用这类模型的示例,该脚本可用于为给定输入提取模型的隐藏状态。
2 . BertForSequenceClassification
BertForSequenceClassification是一个fine-tuning 模型,包括BertModel,以及BertModel顶部的一个序列级分类器(sequence-level classifier)。
序列级分类器是一个线性层,它将输入序列中第一个字符的最后隐藏状态作为输入(参见BERT论文中的图3a和3b)。
run_classifier.py脚本提供了关于如何使用此类模型的示例,该脚本可用于使用BERT微调单个序列(或序列对)分类器,例如用于MRPC任务。
3. BertForQuestionAnswering
BertForQuestionAnswering是一个fine-tuning 模型,包括BertModel,它在最后隐藏状态的完整序列之上具有token级分类器(token-level classifiers)。
token-level 分类器将最后隐藏状态的完整序列作为输入,并为每个token计算得分,(参见BERT论文的图3c和3d)。
run_squad.py脚本提供了有关如何使用此类模型的示例,该脚本可用于使用BERT微调token分类器,例如用于SQuAD任务。
安装、要求、测试
这段代码在Python 3.5+上进行了测试。必备条件是:
PyTorch (> = 0.4.1)
tqdm
安装dependencies:
pip install -r ./requirements.txt
测试文件夹中包含一系列测试,可以使用pytest运行(如果需要,请安装pytest: pip install pytest)。
你可以使用以下命令运行测试:
python -m pytest -sv tests/大批量训练:梯度积累、多GPU、分布式训练
BERT-base和BERT-large的模型参数分别是110M和340M,为了获得良好的性能(大多数情况下批大小是32),很难在单个GPU上对它们进行微调。
为了帮助对这些模型进行微调,我们介绍了在微调脚本run_classifier.py和run_squad中可以激活的四种技术:优化CPU、梯度积累、multi-gpu和分布式训练。
有关如何使用这些技术的更多细节,你可以阅读这篇关于PyTorch批量训练技巧的文章:
https://medium.com/huggingface/training-larger-batches-practical-tips-on-1-gpu-multi-gpu-distributed-setups-ec88c3e51255
BERT的微调:运行示例
我们展示了与原始实现相同的示例:在MRPC分类语料库上微调sequence级分类器和在问题回答数据集SQuAD上微调token级分类器。
在运行这些示例之前,应该先下载GLUE数据,并将其解压缩到某个目录$GLUE_DIR。还需下载BERT-Base checkpoint,将其解压缩到某个目录$BERT_BASE_DIR,并将其转换为上一节所述的PyTorch版本。
这个示例代码基于微软研究意译语料库(MRPC)调优了BERT-Base,在单个K-80上运行只需不到10分钟。
export GLUE_DIR=/path/to/glue python run_classifier.py \ --task_name MRPC \ --do_train \ --do_eval \ --do_lower_case \ --data_dir $GLUE_DIR/MRPC/ \ --vocab_file $BERT_BASE_DIR/vocab.txt \ --bert_config_file $BERT_BASE_DIR/bert_config.json \ --init_checkpoint $BERT_PYTORCH_DIR/pytorch_model.bin \ --max_seq_length 128 \ --train_batch_size 32 \ --learning_rate 2e-5 \ --num_train_epochs 3.0 \ --output_dir /tmp/mrpc_output/
基于原始实现的超参数进行测试,评估结果达到84%到88%。
第二个示例是基于SQuAD问题回答任务微调BERT-Base。
export SQUAD_DIR=/path/to/SQUAD python run_squad.py \ --vocab_file $BERT_BASE_DIR/vocab.txt \ --bert_config_file $BERT_BASE_DIR/bert_config.json \ --init_checkpoint $BERT_PYTORCH_DIR/pytorch_model.bin \ --do_train \ --do_predict \ --do_lower_case --train_file $SQUAD_DIR/train-v1.1.json \ --predict_file $SQUAD_DIR/dev-v1.1.json \ --train_batch_size 12 \ --learning_rate 3e-5 \ --num_train_epochs 2.0 \ --max_seq_length 384 \ --doc_stride 128 \ --output_dir ../debug_squad/
使用之前的超参数进行训练,得到如下结果:
{"f1": 88.52381567990474, "exact_match": 81.22043519394512}在GPU上微调BERT-large
上面列出的选项允许在GPU上很容易地对BERT-large进行微调,而不是像原始实现那样使用TPU。
例如,针对SQuAD任务微调BERT-large模型,可以在服务器上用4个k-80在18个小时内完成。我们的结果与TensorFlow的实现结果相似(实际上是略高):
{"exact_match": 84.56953642384106, "f1": 91.04028647786927}
为了得到这些结果,我们使用了以下组合:
多GPU训练(在多GPU服务器上自动激活),
梯度累积
在CPU上执行优化步骤,将Adam的平均值存储在RAM中。
以下是我们在此次运行中使用的超参数的完整列表:
python ./run_squad.py --vocab_file $BERT_LARGE_DIR/vocab.txt --bert_config_file $BERT_LARGE_DIR/bert_config.json --init_checkpoint $BERT_LARGE_DIR/pytorch_model.bin --do_lower_case --do_train --do_predict --train_file $SQUAD_TRAIN --predict_file $SQUAD_EVAL --learning_rate 3e-5 --num_train_epochs 2 --max_seq_length 384 --doc_stride 128 --output_dir $OUTPUT_DIR/bert_large_bsz_24 --train_batch_size 24 --gradient_accumulation_steps 2 --optimize_on_cpu