bert-tiny

prajjwal1 transformers en

prajjwal1/bert-tiny

2,922,256

下载量

145

收藏数

9

浏览量

['mit']

许可

简介

以下模型是从官方Google BERT仓库中的Tensorflow检查点转换而来的Pytorch预训练模型。

模型卡片

许可协议 ['mit']

语言

en

BERT MNLI NLI transformer pre-training

模型详情

已翻译

以下模型是通过转换 Google BERT 官方仓库中的 Tensorflow checkpoint 得到的 Pytorch 预训练模型。

这是较小的预训练 BERT 变体之一，与 bert-mini、bert-small 和 bert-medium 同属一类。这些模型在论文 Well-Read Students Learn Better: On the Importance of Pre-training Compact Models（arxiv）中被提出，并为了研究 Generalization in NLI: Ways (Not) To Go Beyond Simple Heuristics（arXiv）而移植到 HF。这些模型旨在用于下游任务的训练。

如果您使用该模型，请考虑引用这两篇论文：

@misc{bhargava2021generalization,
      title={Generalization in NLI: Ways (Not) To Go Beyond Simple Heuristics}, 
      author={Prajjwal Bhargava and Aleksandr Drozd and Anna Rogers},
      year={2021},
      eprint={2110.01518},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@article{DBLP:journals/corr/abs-1908-08962,
  author    = {Iulia Turc and
               Ming{-}Wei Chang and
               Kenton Lee and
               Kristina Toutanova},
  title     = {Well-Read Students Learn Better: The Impact of Student Initialization
               on Knowledge Distillation},
  journal   = {CoRR},
  volume    = {abs/1908.08962},
  year      = {2019},
  url       = {http://arxiv.org/abs/1908.08962},
  eprinttype = {arXiv},
  eprint    = {1908.08962},
  timestamp = {Thu, 29 Aug 2019 16:32:34 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1908-08962.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

该模型的配置：
- prajjwal1/bert-tiny（L=2, H=128）模型链接

其他可供查看的模型：
- prajjwal1/bert-mini（L=4, H=256）模型链接
- prajjwal1/bert-small（L=4, H=512）模型链接
- prajjwal1/bert-medium（L=8, H=512）模型链接

原始实现及更多信息可在此 Github 仓库中找到。

Twitter：@prajjwal_1

bert-tiny

简介

模型卡片

模型详情

标签

操作

详细信息