點擊上方，選擇星標(biāo)，每天給你送干貨！

---

來自 | AINLP

原創(chuàng) · 作者 |?葉文杰

工作單位 |?vivo?深圳AI研究院 NLP技術(shù)組

研究方向 | 自然語言處理

個人介紹 |?就讀于東南大學(xué)二年級，在2020年8月至2021年1月在vivo 深圳AI研究院 NLP技術(shù)組實習(xí)，實習(xí)期間主要從事模型壓縮與蒸餾的工作

---

1.開篇

去年年底，各大榜單上風(fēng)起云涌，各路英雄在榜單上為了分?jǐn)?shù)能多個0.01而不停的躁動，迫不及待地想要向外界秀秀自己的肌肉。

怎么回事呀，小老弟？

我們打開了中文NLP知名的評測網(wǎng)站CLUE，卻看到……

怎么全是Bert和它的兄弟？

遙想4年前，還全是RNN，LSTM和CNN的天下，怎么轉(zhuǎn)眼都不見了？LSTM不禁長嘆：年輕人，不講武德！欺負(fù)我這個25歲的老同志。

那么有沒有辦法讓LSTM重新煥發(fā)青春呢？有！知識蒸餾！

2.什么是知識蒸餾？

知識蒸餾的思想很簡單，就是讓一個教師模型來指導(dǎo)學(xué)生模型，讓學(xué)生模型學(xué)到教師模型的知識，而知識蒸餾的的核心也就是知識。

?

依據(jù)蒸餾所用的知識，可以把蒸餾分成三種：

• Response-based Distillation：學(xué)學(xué)教師最后的輸出就夠我喝一壺了。

• Feature-based distillation：中間層的知識也不能放過，畢竟神經(jīng)網(wǎng)絡(luò)最擅長的就是學(xué)習(xí)到層級信息。

• Relation-based distillation：這些表面的知識完全不夠，還要深挖層與層之間的關(guān)系，樣本與樣本之間的關(guān)系。

而這些知識之所以有效，主要是因為隱含的特征 (dark knowledge) 無法在數(shù)據(jù)層面表示出來，模型可以學(xué)習(xí)到這些特征。One-hot 無法衡量類間的區(qū)別，知識蒸餾一定程度上起到了標(biāo)簽平滑的作用。比如說馬，驢和樹他們在標(biāo)注上都是不同的，通過one-hot表示呈現(xiàn)的區(qū)別也一致，很顯然，馬和驢的相似性強(qiáng)于馬和樹，而我們的標(biāo)注無法衡量這種相似性，但是我們的教師模型卻可以學(xué)到這樣的知識。

細(xì)看這些年的BERT蒸餾都是這些套路：

• DistilBERT: 學(xué)學(xué)教師最后的輸出就夠我喝一壺了

• PKDBERT: 中間層的我也都要學(xué)

• TinyBERT: embedding層的知識呢？我全都要！

TinyBERT對于知識的態(tài)度

既然能用蒸餾訓(xùn)練出一個性能強(qiáng)悍的小BERT，那可不可以用同樣的方法來蒸餾LSTM，讓他煥發(fā)第二春呢？

3.師夷長技以制夷

蒸餾的第一步是要選取一個表現(xiàn)優(yōu)秀的教師模型，NER大榜的TOP1被RoBERTa搶先了，于是我們也選取RoBERTa作為我們的教師模型，在驗證集上得分81.55。同時，在同樣的訓(xùn)練集下訓(xùn)練雙向LSTM，得分68.56。兩者F1得分差距較大，直接嘗試response-baseddistillation：

模型	NER F1 (Valid)
Roberta	81.55
LSTM (Baseline)	68.56
LSTM (蒸餾)	71.01

得分有所提升，但是和榜單上那個78、79的相比還是有很大的距離。這可怎么辦？

這可怎么辦？

有什么能進(jìn)一步提升模型能力的方法，想想各類BERT都在幾個T的數(shù)據(jù)上用幾十塊GPU訓(xùn)練了幾百個小時，我們的LSTM只用個1萬訓(xùn)練集當(dāng)然不可能擊敗他們。我們也要用數(shù)據(jù)增強(qiáng)！

4.數(shù)據(jù)增強(qiáng)

CLUE NER的數(shù)據(jù)集是來源于清華大學(xué)開源的數(shù)據(jù)集THUCTC，所以我們嘗試使用THU-News數(shù)據(jù)集進(jìn)行增強(qiáng)。隨機(jī)采樣30萬條進(jìn)行測試。

這個0如此之純粹，讓人一度以為是不是跑錯了代碼，然后連續(xù)運(yùn)行三次，得到的結(jié)果都是0！

我們趕緊拿到報告，找到里面的bad case（沒有一條不是bad case），發(fā)現(xiàn)結(jié)果很直白，所有的預(yù)測全是O（非實體）。趕緊找來增強(qiáng)數(shù)據(jù)集出來看看，看到了這個：

他？亦或是她？也許都會有。

總會有花花修的，￥%……&&（） ———當(dāng)下沖動的想問問她姐姐是誰暴捶一頓……

今日懸念揭曉，幾家雀躍幾家驚訝，《精靈傳說》正式與大家見面，

help item／ヘ兒プアイテム）等等 。

credits作為zynga旗下游戲在facebook平臺上的主要支付方式。

成為勇士中的王者！

令附：

為了鼓勵大家多交朋友，目前android版本所有禮物都可以無限次免費(fèi)贈送，現(xiàn)在就去吧！

《馬里奧賽車wii》wii任天堂株式會社

這是由大眾對文化價值觀認(rèn)同決定的。2010年有差不多接近1億左右的玩家，

THU-News新聞數(shù)據(jù)集-游戲部分

可以看出，大部分樣本一個實體都沒有，和我們的任務(wù)完全就不是相同的分布（skewed），用這種數(shù)據(jù)集來訓(xùn)練模型，訓(xùn)練出來的模型將所有的標(biāo)簽都認(rèn)為成O（非實體）。

5.那么怎么從這些雜亂的數(shù)據(jù)集中提取出可以用作增強(qiáng)的數(shù)據(jù)集呢？

如果讓人工來清洗數(shù)據(jù)集的話，對于數(shù)據(jù)增強(qiáng)需要幾十幾百倍的數(shù)據(jù)，NER標(biāo)注數(shù)據(jù)有有一點難度。人工根本行不通！

鑒于我們在使用知識蒸餾訓(xùn)練模型，那能不能請教師模型來幫忙清洗數(shù)據(jù)？

我們進(jìn)行了個大膽的嘗試，不對數(shù)據(jù)集進(jìn)行任何清洗，直接用教師模型對2000萬的雜亂數(shù)據(jù)集進(jìn)行推理，然后只保留了教師模型認(rèn)為包含實體的數(shù)據(jù)：

至少包含一個實體	至少包含兩個實體
甚至吸引了剃了平頭的六番隊隊長朽木白哉~！哈哈哈（大誤~。	聯(lián)合導(dǎo)演兼主演吳亞橋擔(dān)當(dāng)形象大使的《劍網(wǎng)3》“收費(fèi)游戲免費(fèi)玩”高校威武計劃。
2008年12月“it時代周刊：2008年最具商業(yè)價值網(wǎng)站”；	游戲委員會稱，對游戲的審核需要很長時間，所以像蘋果和谷歌系統(tǒng)旗下的游戲，
嘟嘟的目標(biāo)是召集100名玩家在三江源辦一場變身舞會，在這里希望大家?guī)退黄疬_(dá)成愿望。	咪兔數(shù)位科技旗下《穿越火線online》全新改版“末世錄”正式上線！玩家不僅能體驗到全新的“
但這一次overkill依然把自己的作品托付給了一家日本公司：soe（索尼娛樂在線）。	北美區(qū)全球爭霸戰(zhàn)亞軍隊伍tsg對上韓國全球爭霸戰(zhàn)冠軍隊伍shipit，分別采取圣騎、戰(zhàn)士、
在最初階段，微軟發(fā)言人曾表示：“微軟決不允許他人修改自己的產(chǎn)品。	dice已經(jīng)抓住使命召喚的這根軟肋了。
infi始終不給soccer拉后紅血單位的機(jī)會，	tesl臺灣電競聯(lián)盟提供了720p以上的高畫質(zhì)在線直播、與我視傳媒共同合作，在i‘
阿里納斯因槍擊隊友事件被游戲除名	看完上面這個名單，你可能會說gbasp和ndsi也沒有《馬里奧》游戲首發(fā)，
來自世界各地的媒體紛紛希望能夠在e3任天堂展位上，搶先試玩到這款新主機(jī)，使得展位大排長龍。今日，	有玩家說：這真是索任結(jié)合啊，游戲是任天堂的，但是按鍵是索尼風(fēng)格的……
一統(tǒng)亂世》即將在明日正式登場。今次數(shù)據(jù)片改版將會開放多部族結(jié)盟的“聯(lián)盟系統(tǒng)”、爭奪地圖占領(lǐng)權(quán)的“	最后todd透露，“我們不知道會為《上古卷軸5》制作什么樣的dlc，
始料不及《西游iii》你猜不到的結(jié)局	并且可以用這個地圖編輯器做出很多目前流行的地圖，塔防、dota等經(jīng)典地圖都可以在《星際2》

教師模型輔助清洗后的數(shù)據(jù)

教師模型為我們選擇的這份數(shù)據(jù)集干凈的多，不包含無實體，無意義的句子。但是作為交換，原來的2000萬數(shù)據(jù)集只剩下110萬左右。

利用篩選后的數(shù)據(jù)集訓(xùn)練模型，得到：

模型	數(shù)據(jù)集	蒸餾	NER F1	參數(shù)量
Roberta-Large (教師模型)	train	無	81.55	311.24M
LSTM (Baseline)	train	無	68.56	9.66M (x32.21)
LSTM	train	有	71.01	9.66M (x32.21)
LSTM	train+10w增強(qiáng)	有	72.61	9.66M (x32.21)
LSTM	train+20w增強(qiáng)	有	74.61	9.66M (x32.21)
LSTM	train+30w增強(qiáng)	有	76.51	9.66M (x32.21)
LSTM	train+40w增強(qiáng)	有	77.30	9.66M (x32.21)
LSTM	train+50w增強(qiáng)	有	77.40	9.66M (x32.21)
LSTM	train+60w增強(qiáng)	有	78.14	9.66M (x32.21)
LSTM	train+110w增強(qiáng)	有	79.68	9.66M (x32.21)

CLUE NER 結(jié)果

不同增強(qiáng)數(shù)據(jù)集增強(qiáng)效果

可以看出，隨著增強(qiáng)數(shù)據(jù)集數(shù)量的提升，學(xué)生模型效果也在逐步提升。使用110萬數(shù)據(jù)集，驗證集的分?jǐn)?shù)可以達(dá)到79.68。繼續(xù)增加數(shù)據(jù)，效果應(yīng)該還會有進(jìn)一步提升。提交到榜單上，測試集的分?jǐn)?shù)可以達(dá)到78.299，CLUENER單項排第二名，眾多的BERT中擠出了一個LSTM。

nice!

6. 總結(jié)

利用少量的訓(xùn)練集訓(xùn)練教師模型，隨后收集增強(qiáng)數(shù)據(jù)集用來訓(xùn)練學(xué)生模型可以大幅提升學(xué)生模型的能力。這樣在業(yè)務(wù)的初期，只需要利用少量的標(biāo)注語料，便可達(dá)到一個相對可觀的一個效果，并且在服務(wù)部署方面使用小模型可以完成對GPU的一個釋放，實際測試中使用學(xué)生LSTMGPU加速比達(dá)到3.72倍，CPU加速比達(dá)到15倍。

而模型蒸餾這樣一個teacher-student的框架，可以十分靈活的選擇教師模型和學(xué)生模型選，比如教師模型可以通過集成選擇一個最好的效果，學(xué)生模型也可以任意嘗試各式的模型結(jié)構(gòu)比如CNN，LSTM，Transformers。當(dāng)然其他的模型壓縮方法，比如說剪枝，近秩分解也可以與這樣的一個框架結(jié)合。而對于數(shù)據(jù)增強(qiáng)，在實際業(yè)務(wù)中，我們無需去尋找額外的公開數(shù)據(jù)集，直接從實際業(yè)務(wù)中就能獲取大量的數(shù)據(jù)來進(jìn)行增強(qiáng)，這樣省去我們篩選數(shù)據(jù)的時間，也能更好的提升模型的效果。

這樣的一套框架在分類，意圖識別槽位提取，多模態(tài)等相應(yīng)業(yè)務(wù)中都取得了較好的效果，甚至在增強(qiáng)數(shù)據(jù)集到達(dá)一定程度時超過了教師模型的效果。

7. 參考文獻(xiàn)

[1] Revealing the Dark Secrets of BERT. (EMNLP 2019)

[2] DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter

[3] Patient Knowledge Distillation for BERT Model Compression

[4] TinyBERT: Distilling BERT for Natural Language Understanding

---

說個正事哈

由于微信平臺算法改版，公號內(nèi)容將不再以時間排序展示，如果大家想第一時間看到我們的推送，強(qiáng)烈建議星標(biāo)我們和給我們多點點【在看】。星標(biāo)具體步驟為：

（1）點擊頁面最上方“深度學(xué)習(xí)自然語言處理”，進(jìn)入公眾號主頁。

（2）點擊右上角的小點點，在彈出頁面點擊“設(shè)為星標(biāo)”，就可以啦。

感謝支持，比心。

投稿或交流學(xué)習(xí)，備注：昵稱-學(xué)校（公司）-方向，進(jìn)入DL&NLP交流群。

方向有很多：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，python，情感分析、意見挖掘、句法分析、機(jī)器翻譯、人機(jī)對話、知識圖譜、語音識別等。

記得備注呦

整理不易，還望給個在看！

總結(jié)

以上是生活随笔為你收集整理的【知识蒸馏】让LSTM重返巅峰！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。