谷歌NLP模型的官方TensorFlow實(shí)現(xiàn)很強(qiáng)，現(xiàn)在，它的PyTorch版本來(lái)了！只需簡(jiǎn)單運(yùn)行一次轉(zhuǎn)換腳本，就可得到一個(gè)PyTorch模型，且結(jié)果與原始版本相近，甚至更好。

上周，谷歌最強(qiáng)NLP模型BERT開源了官方TensorFlow代碼和預(yù)訓(xùn)練模型，引起大量關(guān)注。

現(xiàn)在，PyTorch用戶的福利來(lái)了：一個(gè)名為Hugging Face的團(tuán)隊(duì)近日公開了BERT模型的谷歌官方TensorFlow庫(kù)的op-for-op PyTorch重新實(shí)現(xiàn)：

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

這個(gè)實(shí)現(xiàn)可以為BERT加載任何預(yù)訓(xùn)練的TensorFlow checkpoint（特別是谷歌的官方預(yù)訓(xùn)練模型），并提供一個(gè)轉(zhuǎn)換腳本。

BERT-base和BERT-large模型的參數(shù)數(shù)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(gè)GPU上對(duì)其進(jìn)行微調(diào)。為了幫助微調(diào)模型，這個(gè)repo還提供了3種可以在微調(diào)腳本中激活技術(shù)：梯度累積（gradient-accumulation）、multi-GPU和分布式訓(xùn)練。

其結(jié)果如下：

在序列級(jí)MRPC分類任務(wù)上，該實(shí)現(xiàn)使用小型BERT-base模型再現(xiàn)了原始實(shí)現(xiàn)的84%-88%的準(zhǔn)確率。

在token級(jí)的SQuAD 任務(wù)上，該個(gè)實(shí)現(xiàn)使用小型BERT-base模型再現(xiàn)了原始實(shí)現(xiàn)的88.52 F1的結(jié)果。

作者表示，正致力于在其他任務(wù)以及更大的BERT模型上重現(xiàn)結(jié)果。

BERT模型的PyTorch實(shí)現(xiàn)

這個(gè)存儲(chǔ)庫(kù)包含了谷歌BERT模型的官方TensorFlow存儲(chǔ)庫(kù)的op-for-op PyTorch重新實(shí)現(xiàn)。谷歌的官方存儲(chǔ)庫(kù)是與BERT論文一起發(fā)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(gè)實(shí)現(xiàn)可以為BERT加載任何預(yù)訓(xùn)練的TensorFlow checkpoint(特別是谷歌的預(yù)訓(xùn)練模型)，并提供了一個(gè)轉(zhuǎn)換腳本(見下文)。

此外，我們將在本周晚些時(shí)候添加多語(yǔ)言版本和中文版本的模型代碼。

腳本：加載任何TensorFlow檢查點(diǎn)

使用convert_tf_checkpoint_to_pytorch.py腳本，你可以在PyTorch保存文件中轉(zhuǎn)換BERT的任何TensorFlow檢查點(diǎn)(尤其是谷歌發(fā)布的官方預(yù)訓(xùn)練模型)。

這個(gè)腳本將TensorFlow checkpoint（以bert_model.ckpt開頭的三個(gè)文件）和相關(guān)的配置文件（bert_config.json）作為輸入，并為此配置創(chuàng)建PyTorch模型，從PyTorch模型的TensorFlow checkpoint加載權(quán)重并保存生成的模型在一個(gè)標(biāo)準(zhǔn)PyTorch保存文件中，可以使用 torch.load()導(dǎo)入（請(qǐng)參閱extract_features.py，run_classifier.py和run_squad.py中的示例）。

只需要運(yùn)行一次這個(gè)轉(zhuǎn)換腳本，就可以得到一個(gè)PyTorch模型。然后，你可以忽略TensorFlow checkpoint(以bert_model.ckpt開頭的三個(gè)文件)，但是一定要保留配置文件(bert_config.json)和詞匯表文件(vocab.txt)，因?yàn)镻yTorch模型也需要這些文件。

要運(yùn)行這個(gè)特定的轉(zhuǎn)換腳本，你需要安裝TensorFlow和PyTorch。該庫(kù)的其余部分只需要PyTorch。

下面是一個(gè)預(yù)訓(xùn)練的BERT-Base Uncased 模型的轉(zhuǎn)換過(guò)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

你可以在這里下載Google的預(yù)訓(xùn)練轉(zhuǎn)換模型：

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

BERT的PyTorch模型

在這個(gè)庫(kù)里，我們提供了三個(gè)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(xì)節(jié)。

1 . BertModel

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

輸入和輸出與TensorFlow 模型的輸入和輸出相同。

具體來(lái)說(shuō)，該模型的輸入是：

input_ids：一個(gè)形狀為[batch_size, sequence_length]的torch.LongTensor，在詞匯表中包含單詞的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(duì)應(yīng)于句子A，類型1對(duì)應(yīng)于句子B。

attention_mask：一個(gè)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(nèi)容組成的一個(gè)元組：

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

pooled_output：一個(gè)大小為[batch_size, hidden_size]的torch.FloatTensor，它是在與輸入（CLF）的第一個(gè)字符相關(guān)聯(lián)的隱藏狀態(tài)之上預(yù)訓(xùn)練的分類器的輸出，用于訓(xùn)練Next-Sentence任務(wù)（參見BERT的論文）。

extract_features.py腳本提供了有關(guān)如何使用這類模型的示例，該腳本可用于為給定輸入提取模型的隱藏狀態(tài)。

2 . BertForSequenceClassification

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

序列級(jí)分類器是一個(gè)線性層，它將輸入序列中第一個(gè)字符的最后隱藏狀態(tài)作為輸入(參見BERT論文中的圖3a和3b)。

run_classifier.py腳本提供了關(guān)于如何使用此類模型的示例，該腳本可用于使用BERT微調(diào)單個(gè)序列（或序列對(duì)）分類器，例如用于MRPC任務(wù)。

3. BertForQuestionAnswering

BertForQuestionAnswering是一個(gè)fine-tuning 模型，包括BertModel，它在最后隱藏狀態(tài)的完整序列之上具有token級(jí)分類器（token-level classifiers）。

token-level 分類器將最后隱藏狀態(tài)的完整序列作為輸入，并為每個(gè)token計(jì)算得分，（參見BERT論文的圖3c和3d）。

run_squad.py腳本提供了有關(guān)如何使用此類模型的示例，該腳本可用于使用BERT微調(diào)token分類器，例如用于SQuAD任務(wù)。

安裝、要求、測(cè)試

這段代碼在Python 3.5+上進(jìn)行了測(cè)試。必備條件是:

PyTorch (> = 0.4.1)

tqdm

安裝dependencies：

pip install -r ./requirements.txt

測(cè)試文件夾中包含一系列測(cè)試，可以使用pytest運(yùn)行(如果需要，請(qǐng)安裝pytest: pip install pytest)。

你可以使用以下命令運(yùn)行測(cè)試:

python -m pytest -sv tests/大批量訓(xùn)練：梯度積累、多GPU、分布式訓(xùn)練

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

為了幫助對(duì)這些模型進(jìn)行微調(diào)，我們介紹了在微調(diào)腳本run_classifier.py和run_squad中可以激活的四種技術(shù)：優(yōu)化CPU、梯度積累、multi-gpu和分布式訓(xùn)練。

有關(guān)如何使用這些技術(shù)的更多細(xì)節(jié)，你可以閱讀這篇關(guān)于PyTorch批量訓(xùn)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(diào)：運(yùn)行示例

我們展示了與原始實(shí)現(xiàn)相同的示例：在MRPC分類語(yǔ)料庫(kù)上微調(diào)sequence級(jí)分類器和在問題回答數(shù)據(jù)集SQuAD上微調(diào)token級(jí)分類器。

在運(yùn)行這些示例之前，應(yīng)該先下載GLUE數(shù)據(jù)，并將其解壓縮到某個(gè)目錄$GLUE_DIR。還需下載BERT-Base checkpoint，將其解壓縮到某個(gè)目錄$BERT_BASE_DIR，并將其轉(zhuǎn)換為上一節(jié)所述的PyTorch版本。

這個(gè)示例代碼基于微軟研究意譯語(yǔ)料庫(kù)(MRPC)調(diào)優(yōu)了BERT-Base，在單個(gè)K-80上運(yùn)行只需不到10分鐘。

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/

基于原始實(shí)現(xiàn)的超參數(shù)進(jìn)行測(cè)試，評(píng)估結(jié)果達(dá)到84％到88％。

第二個(gè)示例是基于SQuAD問題回答任務(wù)微調(diào)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/

使用之前的超參數(shù)進(jìn)行訓(xùn)練，得到如下結(jié)果：

{"f1": 88.52381567990474, "exact_match": 81.22043519394512}在GPU上微調(diào)BERT-large

上面列出的選項(xiàng)允許在GPU上很容易地對(duì)BERT-large進(jìn)行微調(diào)，而不是像原始實(shí)現(xiàn)那樣使用TPU。

例如，針對(duì)SQuAD任務(wù)微調(diào)BERT-large模型，可以在服務(wù)器上用4個(gè)k-80在18個(gè)小時(shí)內(nèi)完成。我們的結(jié)果與TensorFlow的實(shí)現(xiàn)結(jié)果相似(實(shí)際上是略高):

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

為了得到這些結(jié)果，我們使用了以下組合：

多GPU訓(xùn)練（在多GPU服務(wù)器上自動(dòng)激活），

梯度累積

在CPU上執(zhí)行優(yōu)化步驟，將Adam的平均值存儲(chǔ)在RAM中。

以下是我們?cè)诖舜芜\(yùn)行中使用的超參數(shù)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