- 1[python]飞桨python小白逆袭课程day5——大作业来啦_百度飞浆用python调整图片清晰度
- 2作为前端技术人，体验刚开源的鸿蒙OS_鸿蒙专用前端库
- 3经典算法精讲精练之回溯法求解0-1背包问题_用回溯法求解0-1背包问题,假如3件物品(按照价值密度排序)的重量与价值分别是:
- 4让你的win10/win11系统变得不再卡顿，优雅草伊凡整理-长期更新-如何让windows操作系统不用老是重装在不断的更新中依然保持流畅运行
- 5无监督学习，生成模型：自编码器（AE,VAE）,GAN_ae神经网络
- 6常用logcat命令_logcat 指定关键字
- 7Spring Boot 服务优雅关闭/下线方式汇总, Spring Boot 打包排除指定文件_springboot actuator shutdown
- 8想系统学习GO语言(Golang)，能推荐几本靠谱的书吗?_golang教程 知乎
- 9FreeFileSync 文件备份_disksync freefilesync 数据库离线备份
- 10解决ElementPlus中的Menu菜单背景设为透明后导航栏文字下方出现一条细白线_el-menu透明
[转]bert模型分析_bert模型输出的eval_results是什么意思
赞
踩
BERT模型学习与分析 原文地址 https://www.jianshu.com/p/160c4800b9b5
BERT模型详解 http://fancyerii.github.io/2019/03/09/bert-theory/
其他参考 NLP必读：十分钟读懂谷歌BERT模型 https://zhuanlan.zhihu.com/p/51413773
前段时间Google推出了重磅的模型BERT(Bidirectional Encoder Representations from Transformers)，刷新的多项记录，因为前面分析了一下Transformer模型，构建了基础，然后现在总结学习一下Bert模型。
1、什么是BERT模型？
BERT=基于Transformer 的双向编码器表征，顾名思义，BERT模型的根基就是Transformer，来源于attention is all you need。其中双向的意思表示它在处理一个词的时候，能考虑到该词前面和后面单词的信息，从而获取上下文的语义。
BERT、GPT、ELMo三者的对比
| Model | 获取长距离语义信息程度 | 能否左右上下文语义 | 是否可以并行 |
|---|---|---|---|
| Word2Vec | 1 | 能 | 能 |
| 单向LSTM | 2 | 不能 | 不能 |
| ELMo | 2 | 能 | 不能 |
| GPT | 3 | 不能 | 能 |
| BERT | 3 | 能 | 能 |
ELMo采用的是双向的LSTM的架构，所以能够抓取到左右上下文的语义
由于GPT和BERT都采用了Transformer，所有它们都是能够完成并行计算，但是由于GPT采用的是单向的，导致了每个token只能关注左侧的语境，在文献中被称为了“Transformer解码器”，而BERT采用了双向的双向的自注意机制，所以被称为了“Transformer编码器”。
预训练语言表征
2、BERT模型核心点
1、BERT的架构
BERT的模型架构基于了Transformer，实现了多层双向的Transformer编码器。文中有两个模型，一个是1.1亿参数的base模型，一个是3.4亿参数的large模型。里面所设置的参数如下：
| Model | Transformer层数(L) | Hidden units(H) | self-attention heads(A) | 总参数 |
|---|---|---|---|---|
| BERT(base) | 12 | 768 | 12 | 1.1亿 |
| BERT(large) | 24 | 1024 | 16 | 3.4亿 |
其中base模型的参数和OpenAI的GPT的参数一致。目的就是为了同GPT的效果进行一个比较。
2、BERT的输入表征
下图表示了BERT的输入表征
下面的思维导图说明了各个部分的作用是什么：
3、BERT中最核心的部分
（1）Masked Language Model(MLM)
为了实现深度的双向表示，使得双向的作用让每个单词能够在多层上下文中间接的看到自己。文中就采用了一种简单的策略，也就是MLM。
MLM：随机屏蔽掉部分输入token，然后再去预测这些被屏蔽掉的token。
这里实现的时候有两个缺点
缺点1：预训练与微调之间的不匹配，因为微调期间是没有看到[Mask]token。
- Solution：不是总用实际的[Mask]token替换被“masked”的词汇，而是采用训练数据生成器随机去选择15%的token。
-
例子：句子= my dog is hairy， 选择的token是hairy。执行的流程为：
Transformer不知道它将被要求预测哪些单词或哪些单词已被随机单词替换，因此它被迫保持每个输入词块的分布式语境表征。此外，因为随机替换只发生在所有词块的1.5％(即15％的10％)，这似乎不会损害模型的语言理解能力。
缺点2：每个batch只预测了15%的token，这说明了模型可能需要更多的预训练步骤才能收敛。
（2）Next Sentence Prediction
现在从句子的角度来考虑问题，预训练了一个二值化下一句预测任务，该任务可以从任何单语语料库中轻松生成。具体来说，选择句子A和B作为预训练样本：A的下一句有50%的可能是B，另外50%的可能是来自语料库的。
例子：
- 输入=[CLS]男子去[MASK]商店[SEP]他买了一加仑[MASK]牛奶[SEP]
Label= IsNext - 输入=[CLS]男人[面具]到商店[SEP]企鹅[面具]是飞行##少鸟[SEP]
Label= NotNext
4、预训练过程
训练批量大小为256个序列(256个序列*512个词块=128,000个词块/批次)，持续1,000,000个步骤，这比33亿个单词语料库大约40个周期
| Item | 值或名称 |
|---|---|
| 学习率 | |
| Adam β1 | 0.9 |
| Adam β2 | 0.999 |
| L2权重衰减 | 0.01 |
| dropout | 0.1 |
| 激活函数 | gelu |
| Model | TPU个数 | TPU芯片个数 | 每次预训练天数 |
|---|---|---|---|
| BERT(Base) | 4 | 16 | 4 |
| BERT(Large) | 16 | 64 | 4 |
5、微调过程
微调过程中，大多数模型超参数与预训练相同。批量大小、学习率和训练周期数量会有区别。最佳超参数值是特定于任务的，但我们发现以下范围的可能值可以在所有任务中很好地工作：
| 参数 | 值 |
|---|---|
| Batch | 16,32 |
| 学习率Adam | 5e-5,3e-5,2e-5 |
| 周期 | 3，4 |
4、实验部分
BERT应用到了11项NLP的任务上面
（1）GLUE数据集
上图中，(a)和(b)是序列级任务，(c)和(d)是词块级任务。图中E代表其输入嵌入，Ti代表词块i的语境表征，[CLS]是分类输出的特殊符号，[SEP]是分割非连续词块序列的特殊符号。
结果：
（2）斯坦福问答数据集SQuAD v1.1
斯坦福问答数据集SQuAD v1.1：一种100k众包问答对的集合
任务：给出一个问题和包含答案的来自维基百科的一个段落，任务是预测该段落中的其答案文本的跨度
（3）命名实体识别（NER）
数据集：CoNLL 2003命名实体识别(NER)数据集，由200k个训练单词组成，这些单词已注释为人员、组织、位置、杂项或其他(非命名实体)。
5、实践部分
尝试用github上面的bert-ner中文的项目，跑了一下ner，具体操作如下：
git clone https://github.com/ProHiryu/bert-chinese-ner
然后需要将Google写的bert的源码给放到当前的文件夹下，可以采用git clone的方式
git clone https://github.com/google-research/bert
同时需要下载Google遇训练好了模型，然后放到了checkpoint文件夹里面。下载地址是：https://github.com/ProHiryu/bert-chinese-ner
最后的文件目录树是
准好了之后，就可以进行训练了：
python BERT_NER.py --data_dir=data/ --bert_config_file=checkpoint/bert_config.json --init_checkpoint=checkpoint/bert_model.ckpt --vocab_file=vocab.txt --output_dir=./output/result_dir/
最后写在output文件下面，可以找到eval_results.txt文件，然后我们可以看到本次训练的结果如下：
image.png
