橫掃各項NLP任務的BERT模型有了PyTorch實現！提供轉換腳本

新智元報道

來源：GitHub

作者：huggingface 編譯：肖琴

【新智元導讀】谷歌NLP模型的官方TensorFlow實現很強，現在，它的PyTorch版本來了！只需簡單運行一次轉換腳本，就可得到一個PyTorch模型，且結果與原始版本相近，甚至更好。

上周，谷歌最強NLP模型BERT開源了官方TensorFlow代碼和預訓練模型，引起大量關注。

現在，PyTorch用戶的福利來了：一個名為Hugging Face的團隊近日公開了BERT模型的谷歌官方TensorFlow庫的op-for-op PyTorch重新實現：

https://github.com/huggingface/pytorch-pretrained-BERT

這個實現可以為BERT載入任何預訓練的TensorFlow checkpoint（特別是谷歌的官方預訓練模型），並提供一個轉換腳本。

BERT-base和BERT-large模型的參數數量分別為110M和340M，為了獲得良好的性能，很難使用推薦的batch size在單個GPU上對其進行微調。為了幫助微調模型，這個repo還提供了3種可以在微調腳本中激活技術：梯度累積（gradient-accumulation）、multi-GPU和分散式訓練。

其結果如下：

在序列級MRPC分類任務上，該實現使用小型BERT-base模型再現了原始實現的84%-88%的準確率。

在token級的SQuAD 任務上，該個實現使用小型BERT-base模型再現了原始實現的88.52 F1的結果。

作者表示，正致力於在其他任務以及更大的BERT模型上重現結果。

BERT模型的PyTorch實現

這個存儲庫包含了谷歌BERT模型的官方TensorFlow存儲庫的op-for-op PyTorch重新實現。谷歌的官方存儲庫是與BERT論文一起發布的：BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding，作者是Jacob Devlin、Ming-Wei Chang、Kenton Lee和Kristina Toutanova。

這個實現可以為BERT載入任何預訓練的TensorFlow checkpoint(特別是谷歌的預訓練模型)，並提供了一個轉換腳本(見下文)。

此外，我們將在本周晚些時候添加多語言版本和中文版本的模型代碼。

腳本：載入任何TensorFlow檢查點

使用convert_tf_checkpoint_to_pytorch.py腳本，你可以在PyTorch保存文件中轉換BERT的任何TensorFlow檢查點(尤其是谷歌發布的官方預訓練模型)。

這個腳本將TensorFlow checkpoint（以bert_model.ckpt開頭的三個文件）和相關的配置文件（bert_config.json）作為輸入，並為此配置創建PyTorch模型，從PyTorch模型的TensorFlow checkpoint載入權重並保存生成的模型在一個標準PyTorch保存文件中，可以使用 torch.load() 導入（請參閱extract_features.py，run_classifier.py和run_squad.py中的示例）。

只需要運行一次這個轉換腳本，就可以得到一個PyTorch模型。然後，你可以忽略TensorFlow checkpoint(以bert_model.ckpt開頭的三個文件)，但是一定要保留配置文件(bert_config.json)和辭彙表文件(vocab.txt)，因為PyTorch模型也需要這些文件。

要運行這個特定的轉換腳本，你需要安裝TensorFlow和PyTorch。該庫的其餘部分只需要PyTorch。

下面是一個預訓練的BERT-Base Uncased 模型的轉換過程示例:

exportBERT_BASE_DIR=/path/to/bert/uncased_L-12_H-768_A-12python 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

你可以在這裡下載Google的預訓練轉換模型：

https://github.com/google-research/bert#pre-trained-models

BERT的PyTorch模型

在這個庫里，我們提供了三個PyTorch模型，你可以在modeling.py中找到：

BertModel- 基本的BERT Transformer 模型

BertForSequenceClassification- 頂部帶有sequence classification head的BERT模型

BertForQuestionAnswering- 頂部帶有token classification head 的BERT模型，

以下是每類模型的一些細節。

1 . BertModel

BertModel是一個基本的BERT Transformer模型，包含一個summed token、位置和序列嵌入層，然後是一系列相同的self-attention blocks（BERT-base是12個blocks, BERT-large是24個blocks）。

輸入和輸出與TensorFlow 模型的輸入和輸出相同。

具體來說，該模型的輸入是：

input_ids：一個形狀為[batch_size, sequence_length]的torch.LongTensor，在辭彙表中包含單詞的token索引

token_type_ids：形狀[batch_size, sequence_length]的可選torch.LongTensor，在[0,1]中選擇token類型索引。類型0對應於句子A，類型1對應於句子B。

attention_mask：一個可選的torch.LongTensor，形狀為[batch_size, sequence_length]，索引在[0,1]中選擇。

模型的輸出是由以下內容組成的一個元組：

all_encoder_layers：一個大小為[batch_size, sequence_length，hidden_size]的torch.FloatTensor列表，它是每個注意塊末端隱藏狀態的完整序列列表（即BERT-base的12個完整序列，BERT-large的24個完整序列）

pooled_output：一個大小為[batch_size, hidden_size]的torch.FloatTensor，它是在與輸入（CLF）的第一個字元相關聯的隱藏狀態之上預訓練的分類器的輸出，用於訓練Next-Sentence任務（參見BERT的論文）。

extract_features.py腳本提供了有關如何使用這類模型的示例，該腳本可用於為給定輸入提取模型的隱藏狀態。

2 . BertForSequenceClassification

BertForSequenceClassification是一個fine-tuning 模型，包括BertModel，以及BertModel頂部的一個序列級分類器（sequence-level classifier）。

序列級分類器是一個線性層，它將輸入序列中第一個字元的最後隱藏狀態作為輸入(參見BERT論文中的圖3a和3b)。

run_classifier.py腳本提供了關於如何使用此類模型的示例，該腳本可用於使用BERT微調單個序列（或序列對）分類器，例如用於MRPC任務。

3. BertForQuestionAnswering

BertForQuestionAnswering是一個fine-tuning 模型，包括BertModel，它在最後隱藏狀態的完整序列之上具有token級分類器（token-level classifiers）。

token-level 分類器將最後隱藏狀態的完整序列作為輸入，並為每個token計算得分，（參見BERT論文的圖3c和3d）。

run_squad.py腳本提供了有關如何使用此類模型的示例，該腳本可用於使用BERT微調token分類器，例如用於SQuAD任務。

安裝、要求、測試

這段代碼在Python 3.5+上進行了測試。必備條件是:

PyTorch (> = 0.4.1)

tqdm

安裝dependencies：

pip install -r ./requirements.txt

測試文件夾中包含一系列測試，可以使用pytest運行(如果需要，請安裝pytest: pip install pytest)。

你可以使用以下命令運行測試:

python -m pytest -sv tests/

大批量訓練：梯度積累、多GPU、分散式訓練

BERT-base和BERT-large的模型參數分別是110M和340M，為了獲得良好的性能(大多數情況下批大小是32)，很難在單個GPU上對它們進行微調。

為了幫助對這些模型進行微調，我們介紹了在微調腳本run_classifier.py和run_squad中可以激活的四種技術：優化CPU、梯度積累、multi-gpu和分散式訓練。

有關如何使用這些技術的更多細節，你可以閱讀這篇關於PyTorch批量訓練技巧的文章：

https://medium.com/huggingface/training-larger-batches-practical-tips-on-1-gpu-multi-gpu-distributed-setups-ec88c3e51255

BERT的微調：運行示例

我們展示了與原始實現相同的示例：在MRPC分類語料庫上微調sequence級分類器和在問題回答數據集SQuAD上微調token級分類器。

在運行這些示例之前，應該先下載GLUE數據，並將其解壓縮到某個目錄$GLUE_DIR。還需下載BERT-Base checkpoint，將其解壓縮到某個目錄$BERT_BASE_DIR，並將其轉換為上一節所述的PyTorch版本。

這個示例代碼基於微軟研究意譯語料庫(MRPC)調優了BERT-Base，在單個K-80上運行只需不到10分鐘。

exportGLUE_DIR=/path/to/gluepython 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/

基於原始實現的超參數進行測試，評估結果達到84％到88％。

第二個示例是基於SQuAD問題回答任務微調BERT-Base。

exportSQUAD_DIR=/path/to/SQUADpython 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/

使用之前的超參數進行訓練，得到如下結果：

{"f1": 88.52381567990474,"exact_match": 81.22043519394512}

在GPU上微調BERT-large

上面列出的選項允許在GPU上很容易地對BERT-large進行微調，而不是像原始實現那樣使用TPU。

例如，針對SQuAD任務微調BERT-large模型，可以在伺服器上用4個k-80在18個小時內完成。我們的結果與TensorFlow的實現結果相似(實際上是略高):

{"exact_match": 84.56953642384106,"f1": 91.04028647786927}

為了得到這些結果，我們使用了以下組合：

多GPU訓練（在多GPU伺服器上自動激活），

梯度累積

在CPU上執行優化步驟，將Adam的平均值存儲在RAM中。

以下是我們在此次運行中使用的超參數的完整列表：

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

【加入社群】

新智元 AI 技術 + 產業社群招募中，歡迎對 AI 技術 + 產業落地感興趣的同學，加小助手微信號：aiera2015_3入群；通過審核後我們將邀請進群，加入社群後務必修改群備註（姓名 - 公司 - 職位；專業群審核較嚴，敬請諒解）。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！