文章標(biāo)題：RoBERTa: A Robustly Optimized BERT Pretraining Approach

文章作者：Yinhan Liu, Myle Ott, Naman Goyal, Jingfei Du, Mandar Joshi, Danqi Chen, Omer Levy, Mike Lewis, Luke Zettlemoyer, Veselin Stoyanov

文章鏈接：https://arxiv.org/pdf/1907.11692.pdf

代碼鏈接：https://github.com/pytorch/fairseq

---

導(dǎo)言

自從BERT橫空出世以來(lái)，各類預(yù)訓(xùn)練模型一直在試圖“撼動(dòng)”BERT的地位，如XLM、XLNet等等，然而，這些模型都異常龐大，這給調(diào)參帶來(lái)了巨大的困難， 我們往往沒(méi)有足夠的時(shí)間為一個(gè)模型找到最佳參數(shù)。這篇論文將煉丹爐火力全開(kāi)，在得到以下煉丹配方后將BERT的效果再次提到SOTA：

• 訓(xùn)練更久，batch更大，數(shù)據(jù)更多
• 丟棄NSP
• 在更長(zhǎng)的序列上訓(xùn)練
• 動(dòng)態(tài)改變mask策略

在新的煉丹配方上訓(xùn)練，RoBERT在GLUE上達(dá)到了88.5，在4/9上的任務(wù)上刷新SOTA，且在SQuAD和RACE上更新記錄。

總的來(lái)說(shuō)，本論文的貢獻(xiàn)在于：

• 修改了BERT原有的訓(xùn)練策略
• 引入了一個(gè)更大的新數(shù)據(jù)集CCNEWS
• 驗(yàn)證了預(yù)訓(xùn)練模型合理設(shè)計(jì)的重要性

下面我們略過(guò)BERT等一些背景知識(shí)，開(kāi)門(mén)見(jiàn)山地直奔主題。

新的調(diào)整

在這里直接列出RoBERT在原BERT上新的調(diào)整，詳情請(qǐng)看原論文：

• 對(duì)學(xué)習(xí)率的峰值和warm-up更新步數(shù)作出調(diào)整（在不同任務(wù)下不同，在實(shí)驗(yàn)階段說(shuō)明）
• 將Adam中改為
• 不對(duì)序列進(jìn)行截短，使用全長(zhǎng)度序列
• 使用更高級(jí)的煉丹爐DGX-1 each with 8*32GB NVIDIA V100 GPUs interconnected by Infiniband
• 使用更多的煉丹原料，共160G左右，包括：
  • 原BERT的16GB原料
  • CC-NEWS的76GB原料
  • OPENWEBTEXT的38GB原料
  • STORIES的31GB原料

訓(xùn)練過(guò)程分析

動(dòng)態(tài)Mask

原來(lái)的BERT是靜態(tài)mask，即在數(shù)據(jù)預(yù)處理階段把所有的數(shù)據(jù)都mask了，在訓(xùn)練階段保持不變，即使在不同的epoch里。但這樣顯然是有問(wèn)題的， 為此，在實(shí)踐中我們把數(shù)據(jù)復(fù)制10份，然后統(tǒng)一進(jìn)行mask，然后再保持不變，送入訓(xùn)練過(guò)程，相當(dāng)于每種mask一共需要被看4次，而不是原來(lái)的40 次了。那么動(dòng)態(tài)mask就是訓(xùn)一個(gè)mask一個(gè)，這樣基本可以保證每次看到的都不一樣。下面是BERT_base使用靜態(tài)和動(dòng)態(tài)mask的結(jié)果：

看起來(lái)dynamic比static好一點(diǎn)（雖然好得不是那么多），所以后文我們都統(tǒng)一使用dynamic的方法。

輸入格式和NSP

原BERT使用了NSP，但是近期的一些文章質(zhì)疑了NSP的作用，并且是把兩個(gè)句子貼在一起喂給模型，本文討論了下面的組合：

• SEGMENT-PAIR+NSP。這就是原BERT的NSP方法，輸入的是兩個(gè)段，每個(gè)段都可能有多個(gè)句子，總長(zhǎng)度要小于512。
• SENTENCE-PAIR+NSP。這里從各自的文檔或段中sample一個(gè)句子即可，因?yàn)榭傞L(zhǎng)度小于512，所以增大了batch size使得總字符數(shù)和SEGMENT-PAIR差不多。
• FULL-SENTENCES。直接從文檔中連續(xù)sample句子直到塞滿512的長(zhǎng)度，且丟掉NSP。當(dāng)?shù)竭_(dá)一個(gè)文檔結(jié)尾時(shí)，先增加一個(gè)文檔分隔符，再?gòu)暮竺娴奈臋n接著sample。
• DOC-SENTENCES。和上面一樣，只是不得(may not)跨文檔。同樣增大batch size 使得總字符數(shù)和上面差不多。

模型使用的是BERT_base，實(shí)驗(yàn)結(jié)果如下：

首先看最上面兩行，使用多個(gè)句子效果更好，因?yàn)榭梢圆蹲骄渥又g的相關(guān)性。再看中間兩行，差不多，但是注意到都好于有NSP的模型，這說(shuō)明NSP的確沒(méi)用。而且似乎DOC-SENTENCES比FULL-SENTENCES略好，但這難以控制batch size，所以后面我們固定使用FULL-SENTENCES。

更大的batch size

原BERT使用了bs=256和1M步的訓(xùn)練方法，這等價(jià)于bs=2K和125K步或者bs=8K和31K步，下面是在BOOKCORPUS和WIKIPEDIA上的實(shí)驗(yàn)結(jié)果：

好像趨勢(shì)不太明顯，只能說(shuō)總的來(lái)看bs更大效果更好。

原子單位

時(shí)下流行的方法是BPE，傳統(tǒng)上我們使用unicode（兩個(gè)byte）作為切分基礎(chǔ)，Radford et al. (2019) 使用了 byte-level 方法將字典大小限制在了50K左右，所以本文使用這種方法，且不對(duì)數(shù)據(jù)進(jìn)行任何預(yù)處理。

實(shí)驗(yàn)

總結(jié)一下上面，RoBERT作了如下調(diào)整：

• 使用動(dòng)態(tài)mask
• FULL-SENTENCES without NSP
• 更大的bs
• 更大的byte-level BPE

此外，還有兩個(gè)重要的因素有待探究：

• 數(shù)據(jù)量大小
• 訓(xùn)練次數(shù)

所以，我們首先復(fù)現(xiàn)BERT_large作為基線模型，包括原來(lái)的數(shù)據(jù)集，然后在相同的結(jié)構(gòu)和數(shù)據(jù)集上實(shí)現(xiàn)RoBERT，然后再在160G的新數(shù)據(jù)集上訓(xùn)練，且增加訓(xùn)練步數(shù)。下表是結(jié)果：

結(jié)果是顯然的，更多的數(shù)據(jù)和更長(zhǎng)的訓(xùn)練會(huì)提高效果，這告訴我們一個(gè)道理：大力出奇跡。

GLUE

對(duì)于GLUE，我們考慮兩種設(shè)置

• 對(duì)不同的任務(wù)各自微調(diào)，在bs和lr之間選擇，并且對(duì)前6%的訓(xùn)練步數(shù)進(jìn)行線性warm-up，然后使用線性衰減。此外，用10個(gè)epoch微調(diào)與提前終止，其他保持前文所述不變。
• 和GLUE榜上的其他模型一較高下，但是只基于單任務(wù)微調(diào)。對(duì)RTE，STS和MRPC使用MNLI單任務(wù)微調(diào)。對(duì)于QNLI和WNLI這兩個(gè)任務(wù)有獨(dú)特的微調(diào)方法，詳情參考論文及附錄。下表是結(jié)果：

對(duì)第一種比較設(shè)置，RoBERT在結(jié)構(gòu)與BERT_large相同的情況下碾壓了對(duì)手，在GLUE榜上也刷新了4個(gè)任務(wù)的記錄。

SQuAD

下表是SQuAD1/2的結(jié)果：

其中，帶有? 表示引入了額外的外部數(shù)據(jù)。可以看到，即使在有外部數(shù)據(jù)的情況下，RoBERT也比BERT_large好。

RACE

下表是結(jié)果：

依舊碾壓了BERT_large和XLNet呢。

小結(jié)

RoBERT在BERT的基礎(chǔ)上進(jìn)行了更細(xì)致的探究，包括損失函數(shù)、超參數(shù)、數(shù)據(jù)量、訓(xùn)練方法等，但是，本文說(shuō)是RoBERT比XLNet好，但是在GLUE上人家也只用了112G數(shù)據(jù)，這相差的50G數(shù)據(jù)量能否彌補(bǔ)呢？這是一個(gè)問(wèn)題。

總之，神仙打架（苦笑）。

總結(jié)

以上是生活随笔為你收集整理的pytorch微调bert_香侬读 | RoBERT: 没错，我就是能更强——更大数据规模和仔细调参下的最优BERT的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

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