BERTモデルの微調整

TensorFlow.orgで表示 GoogleColabで実行 GitHubでソースを表示ノートブックをダウンロードするTFハブモデルを参照してください

この例では、tensorflow-modelsPIPパッケージを使用してBERTモデルを微調整します。

このチュートリアルのベースとなる事前トレーニング済みのBERTモデルは、 TensorFlowハブでも利用できます。使用方法については、ハブの付録を参照してください。

セットアップ

TensorFlow Model Gardenpipパッケージをインストールします

  • tf-models-officialは、安定したModelGardenパッケージです。 tensorflow_modelsリポジトリの最新の変更が含まれていない可能性があることに注意してください。最新の変更を含めるには、 tf-models-nightlyインストールします。これは、毎日自動的に作成される夜間のModelGardenパッケージです。
  • pipは、すべてのモデルと依存関係を自動的にインストールします。
pip install -q tf-models-official==2.4.0

輸入

import os

import numpy as np
import matplotlib.pyplot as plt

import tensorflow as tf

import tensorflow_hub as hub
import tensorflow_datasets as tfds
tfds.disable_progress_bar()

from official.modeling import tf_utils
from official import nlp
from official.nlp import bert

# Load the required submodules
import official.nlp.optimization
import official.nlp.bert.bert_models
import official.nlp.bert.configs
import official.nlp.bert.run_classifier
import official.nlp.bert.tokenization
import official.nlp.data.classifier_data_lib
import official.nlp.modeling.losses
import official.nlp.modeling.models
import official.nlp.modeling.networks

リソース

このディレクトリには、このチュートリアルで使用される構成、語彙、および事前にトレーニングされたチェックポイントが含まれています。

gs_folder_bert = "gs://cloud-tpu-checkpoints/bert/v3/uncased_L-12_H-768_A-12"
tf.io.gfile.listdir(gs_folder_bert)
['bert_config.json',
 'bert_model.ckpt.data-00000-of-00001',
 'bert_model.ckpt.index',
 'vocab.txt']

TensorFlowHubから事前トレーニング済みのBERTエンコーダーを入手できます。

hub_url_bert = "https://tfhub.dev/tensorflow/bert_en_uncased_L-12_H-768_A-12/3"

データ

この例では、 TFDSのGLUEMRPCデータセットを使用しました

このデータセットは、BERTモデルに直接入力できるように設定されていないため、このセクションでは必要な前処理も処理します。

TensorFlowデータセットからデータセットを取得します

Microsoft Research Paraphrase Corpus(Dolan&Brockett、2005)は、オンラインニュースソースから自動的に抽出された文のペアのコーパスであり、ペアの文が意味的に同等であるかどうかを人間が注釈で示しています。

  • ラベルの数:2。
  • トレーニングデータセットのサイズ:3668。
  • 評価データセットのサイズ:408。
  • トレーニングおよび評価データセットの最大シーケンス長:128。
glue, info = tfds.load('glue/mrpc', with_info=True,
                       # It's small, load the whole dataset
                       batch_size=-1)
list(glue.keys())
['test', 'train', 'validation']

infoオブジェクトは、データセットとその機能を説明します。

info.features
FeaturesDict({
    'idx': tf.int32,
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
    'sentence1': Text(shape=(), dtype=tf.string),
    'sentence2': Text(shape=(), dtype=tf.string),
})

2つのクラスは次のとおりです。

info.features['label'].names
['not_equivalent', 'equivalent']

トレーニングセットの1つの例を次に示します。

glue_train = glue['train']

for key, value in glue_train.items():
  print(f"{key:9s}: {value[0].numpy()}")
idx      : 1680
label    : 0
sentence1: b'The identical rovers will act as robotic geologists , searching for evidence of past water .'
sentence2: b'The rovers act as robotic geologists , moving on six wheels .'

BERTトークナイザー

事前にトレーニングされたモデルを微調整するには、トレーニング中に使用したものとまったく同じトークン化、語彙、およびインデックスマッピングを使用していることを確認する必要があります。

このチュートリアルで使用されているBERTトークナイザーは、純粋なPythonで記述されています(TensorFlow opsから構築されていません)。だから、同じようにあなたのモデルにプラグインすることはできませんkeras.layerあなたがでできるようにpreprocessing.TextVectorization

次のコードは、基本モデルで使用されていたトークナイザーを再構築します。

# Set up tokenizer to generate Tensorflow dataset
tokenizer = bert.tokenization.FullTokenizer(
    vocab_file=os.path.join(gs_folder_bert, "vocab.txt"),
     do_lower_case=True)

print("Vocab size:", len(tokenizer.vocab))
Vocab size: 30522

文をトークン化する:

tokens = tokenizer.tokenize("Hello TensorFlow!")
print(tokens)
ids = tokenizer.convert_tokens_to_ids(tokens)
print(ids)
['hello', 'tensor', '##flow', '!']
[7592, 23435, 12314, 999]

データを前処理する

このセクションでは、データセットをモデルで期待される形式に手動で前処理しました。

このデータセットは小さいため、メモリ内で前処理をすばやく簡単に実行できます。より大きなデータセットの場合、 tf_modelsライブラリには、データセットを前処理および再シリアル化するためのツールがいくつか含まれています。詳細については、付録:大規模なデータセットの再エンコードを参照してください。

文をエンコードする

モデルは、2つの入力文が連結されることを想定しています。この入力は、 [CLS] 「これは分類の問題です」トークンで始まると予想され、各文は[SEP] 「セパレーター」トークンで終わる必要があります。

tokenizer.convert_tokens_to_ids(['[CLS]', '[SEP]'])
[101, 102]

[SEP]トークンを追加しながらすべての文をエンコードし、それらを不規則テンソルにパックすることから始めます。

def encode_sentence(s):
   tokens = list(tokenizer.tokenize(s.numpy()))
   tokens.append('[SEP]')
   return tokenizer.convert_tokens_to_ids(tokens)

sentence1 = tf.ragged.constant([
    encode_sentence(s) for s in glue_train["sentence1"]])
sentence2 = tf.ragged.constant([
    encode_sentence(s) for s in glue_train["sentence2"]])
print("Sentence1 shape:", sentence1.shape.as_list())
print("Sentence2 shape:", sentence2.shape.as_list())
Sentence1 shape: [3668, None]
Sentence2 shape: [3668, None]

次に、 [CLS]トークンをinput_word_idsし、不規則なテンソルを連結して、例ごとに1つのinput_word_idsテンソルを形成します。 RaggedTensor.to_tensor()は、最長のシーケンスにRaggedTensor.to_tensor()ます。

cls = [tokenizer.convert_tokens_to_ids(['[CLS]'])]*sentence1.shape[0]
input_word_ids = tf.concat([cls, sentence1, sentence2], axis=-1)
_ = plt.pcolormesh(input_word_ids.to_tensor())

png

マスクと入力タイプ

モデルは、2つの追加入力を想定しています。

  • 入力マスク
  • 入力タイプ

マスクを使用すると、モデルでコンテンツとパディングを明確に区別できます。マスクはinput_word_idsと同じ形状であり、 input_word_idsがパディングされていない場所には1が含まれます。

input_mask = tf.ones_like(input_word_ids).to_tensor()

plt.pcolormesh(input_mask)
<matplotlib.collections.QuadMesh at 0x7fe3401a68d0>

png

「入力タイプ」も同じ形状ですが、パディングされていない領域内に、トークンがどの文の一部であるかを示す0または1が含まれています。

type_cls = tf.zeros_like(cls)
type_s1 = tf.zeros_like(sentence1)
type_s2 = tf.ones_like(sentence2)
input_type_ids = tf.concat([type_cls, type_s1, type_s2], axis=-1).to_tensor()

plt.pcolormesh(input_type_ids)
<matplotlib.collections.QuadMesh at 0x7fe3400d82b0>

png

すべてをまとめる

上記のテキスト解析コードを1つの関数に収集し、 glue/mrpcデータセットの各分割に適用します。

def encode_sentence(s, tokenizer):
   tokens = list(tokenizer.tokenize(s))
   tokens.append('[SEP]')
   return tokenizer.convert_tokens_to_ids(tokens)

def bert_encode(glue_dict, tokenizer):
  num_examples = len(glue_dict["sentence1"])

  sentence1 = tf.ragged.constant([
      encode_sentence(s, tokenizer)
      for s in np.array(glue_dict["sentence1"])])
  sentence2 = tf.ragged.constant([
      encode_sentence(s, tokenizer)
       for s in np.array(glue_dict["sentence2"])])

  cls = [tokenizer.convert_tokens_to_ids(['[CLS]'])]*sentence1.shape[0]
  input_word_ids = tf.concat([cls, sentence1, sentence2], axis=-1)

  input_mask = tf.ones_like(input_word_ids).to_tensor()

  type_cls = tf.zeros_like(cls)
  type_s1 = tf.zeros_like(sentence1)
  type_s2 = tf.ones_like(sentence2)
  input_type_ids = tf.concat(
      [type_cls, type_s1, type_s2], axis=-1).to_tensor()

  inputs = {
      'input_word_ids': input_word_ids.to_tensor(),
      'input_mask': input_mask,
      'input_type_ids': input_type_ids}

  return inputs
glue_train = bert_encode(glue['train'], tokenizer)
glue_train_labels = glue['train']['label']

glue_validation = bert_encode(glue['validation'], tokenizer)
glue_validation_labels = glue['validation']['label']

glue_test = bert_encode(glue['test'], tokenizer)
glue_test_labels  = glue['test']['label']

データの各サブセットは、機能の辞書とラベルのセットに変換されています。入力辞書の各特徴は同じ形状であり、ラベルの数は一致する必要があります。

for key, value in glue_train.items():
  print(f'{key:15s} shape: {value.shape}')

print(f'glue_train_labels shape: {glue_train_labels.shape}')
input_word_ids  shape: (3668, 103)
input_mask      shape: (3668, 103)
input_type_ids  shape: (3668, 103)
glue_train_labels shape: (3668,)

モデル

モデルを構築する

最初のステップは、事前にトレーニングされたモデルの構成をダウンロードすることです。

import json

bert_config_file = os.path.join(gs_folder_bert, "bert_config.json")
config_dict = json.loads(tf.io.gfile.GFile(bert_config_file).read())

bert_config = bert.configs.BertConfig.from_dict(config_dict)

config_dict
{'attention_probs_dropout_prob': 0.1,
 'hidden_act': 'gelu',
 'hidden_dropout_prob': 0.1,
 'hidden_size': 768,
 'initializer_range': 0.02,
 'intermediate_size': 3072,
 'max_position_embeddings': 512,
 'num_attention_heads': 12,
 'num_hidden_layers': 12,
 'type_vocab_size': 2,
 'vocab_size': 30522}

configコアの出力を予測するKerasモデルであるBERTモデル、定義num_classes最大の系列長を有する入力からmax_seq_length

この関数は、エンコーダーと分類子の両方を返します。

bert_classifier, bert_encoder = bert.bert_models.classifier_model(
    bert_config, num_labels=2)

分類器には、3つの入力と1つの出力があります。

tf.keras.utils.plot_model(bert_classifier, show_shapes=True, dpi=48)

png

トレーニングセットからの10例のデータのテストバッチで実行します。出力は、2つのクラスのロジットです。

glue_batch = {key: val[:10] for key, val in glue_train.items()}

bert_classifier(
    glue_batch, training=True
).numpy()
array([[-0.3999117 ,  0.19228943],
       [-0.48039404,  0.49550664],
       [-0.4205317 ,  0.4514861 ],
       [-0.46268317,  0.24971014],
       [-0.24856849,  0.29781285],
       [-0.20492092,  0.33435237],
       [-0.16171221,  0.12575442],
       [-0.17115599,  0.40965632],
       [-0.23386969,  0.41947454],
       [-0.5728958 ,  0.40995434]], dtype=float32)

TransformerEncoder分類器の中心には、上記bert_encoder

エンコーダーを調べると、同じ3つの入力に接続されたTransformerレイヤーのスタックがわかります。

tf.keras.utils.plot_model(bert_encoder, show_shapes=True, dpi=48)

png

エンコーダの重みを復元する

構築されると、エンコーダはランダムに初期化されます。チェックポイントからエンコーダの重みを復元します。

checkpoint = tf.train.Checkpoint(encoder=bert_encoder)
checkpoint.read(
    os.path.join(gs_folder_bert, 'bert_model.ckpt')).assert_consumed()
<tensorflow.python.training.tracking.util.CheckpointLoadStatus at 0x7fe2e00765f8>

オプティマイザを設定します

BERTは、ウェイトディケイを備えたAdamオプティマイザー(別名「 AdamW 」)を採用しています。また、最初に0からウォームアップし、次に0に減衰する学習率スケジュールを採用しています。

# Set up epochs and steps
epochs = 3
batch_size = 32
eval_batch_size = 32

train_data_size = len(glue_train_labels)
steps_per_epoch = int(train_data_size / batch_size)
num_train_steps = steps_per_epoch * epochs
warmup_steps = int(epochs * train_data_size * 0.1 / batch_size)

# creates an optimizer with learning rate schedule
optimizer = nlp.optimization.create_optimizer(
    2e-5, num_train_steps=num_train_steps, num_warmup_steps=warmup_steps)

これにより、学習率スケジュールが設定されたAdamWeightDecayオプティマイザーが返されます。

type(optimizer)
official.nlp.optimization.AdamWeightDecay

オプティマイザーとそのスケジュールをカスタマイズする方法の例については、オプティマイザーのスケジュールの付録を参照してください。

モデルをトレーニングする

メトリックは精度であり、損失としてスパースカテゴリクロスエントロピーを使用します。

metrics = [tf.keras.metrics.SparseCategoricalAccuracy('accuracy', dtype=tf.float32)]
loss = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)

bert_classifier.compile(
    optimizer=optimizer,
    loss=loss,
    metrics=metrics)

bert_classifier.fit(
      glue_train, glue_train_labels,
      validation_data=(glue_validation, glue_validation_labels),
      batch_size=32,
      epochs=epochs)
Epoch 1/3
115/115 [==============================] - 38s 229ms/step - loss: 0.6175 - accuracy: 0.6844 - val_loss: 0.4610 - val_accuracy: 0.7892
Epoch 2/3
115/115 [==============================] - 25s 215ms/step - loss: 0.4207 - accuracy: 0.8125 - val_loss: 0.3859 - val_accuracy: 0.8211
Epoch 3/3
115/115 [==============================] - 25s 215ms/step - loss: 0.2990 - accuracy: 0.8867 - val_loss: 0.3759 - val_accuracy: 0.8407

<tensorflow.python.keras.callbacks.History at 0x7fe2e03ba0f0>

次に、カスタムの例で微調整されたモデルを実行して、それが機能することを確認します。

いくつかの文のペアをエンコードすることから始めます。

my_examples = bert_encode(
    glue_dict = {
        'sentence1':[
            'The rain in Spain falls mainly on the plain.',
            'Look I fine tuned BERT.'],
        'sentence2':[
            'It mostly rains on the flat lands of Spain.',
            'Is it working? This does not match.']
    },
    tokenizer=tokenizer)

モデルは、最初の例ではクラス1 「一致」を報告し、2番目の例ではクラス0 「不一致」を報告する必要があります。

result = bert_classifier(my_examples, training=False)

result = tf.argmax(result).numpy()
result
array([1, 0])
np.array(info.features['label'].names)[result]
array(['equivalent', 'not_equivalent'], dtype='<U14')

モデルを保存します

多くの場合、モデルのトレーニングの目標は、モデルを何かに使用することです。そのため、モデルをエクスポートしてから復元し、確実に機能するようにします。

export_dir='./saved_model'
tf.saved_model.save(bert_classifier, export_dir=export_dir)
WARNING:absl:Found untraced functions such as self_attention_layer_call_fn, self_attention_layer_call_and_return_conditional_losses, dropout_layer_call_fn, dropout_layer_call_and_return_conditional_losses, self_attention_layer_norm_layer_call_fn while saving (showing 5 of 900). These functions will not be directly callable after loading.
WARNING:absl:Found untraced functions such as self_attention_layer_call_fn, self_attention_layer_call_and_return_conditional_losses, dropout_layer_call_fn, dropout_layer_call_and_return_conditional_losses, self_attention_layer_norm_layer_call_fn while saving (showing 5 of 900). These functions will not be directly callable after loading.

INFO:tensorflow:Assets written to: ./saved_model/assets

INFO:tensorflow:Assets written to: ./saved_model/assets

reloaded = tf.saved_model.load(export_dir)
reloaded_result = reloaded([my_examples['input_word_ids'],
                            my_examples['input_mask'],
                            my_examples['input_type_ids']], training=False)

original_result = bert_classifier(my_examples, training=False)

# The results are (nearly) identical:
print(original_result.numpy())
print()
print(reloaded_result.numpy())
[[-1.5500499   1.4857253 ]
 [ 0.72138155 -0.6029598 ]]

[[-1.5500501   1.4857253 ]
 [ 0.72138053 -0.6029588 ]]

付録

大規模なデータセットの再エンコード

このチュートリアルでは、わかりやすくするために、データセットをメモリに再エンコードしました。

これが可能だったのは、 glue/mrpcが非常に小さいデータセットであるためです。より大きなデータセットを処理するために、 tf_modelsライブラリには、効率的なトレーニングのためにデータセットを処理および再エンコードするためのツールがいくつか含まれています。

最初のステップは、データセットのどの機能を変換する必要があるかを説明することです。

processor = nlp.data.classifier_data_lib.TfdsProcessor(
    tfds_params="dataset=glue/mrpc,text_key=sentence1,text_b_key=sentence2",
    process_text_fn=bert.tokenization.convert_to_unicode)

次に、変換を適用して新しいTFRecordファイルを生成します。

# Set up output of training and evaluation Tensorflow dataset
train_data_output_path="./mrpc_train.tf_record"
eval_data_output_path="./mrpc_eval.tf_record"

max_seq_length = 128
batch_size = 32
eval_batch_size = 32

# Generate and save training data into a tf record file
input_meta_data = (
    nlp.data.classifier_data_lib.generate_tf_record_from_data_file(
      processor=processor,
      data_dir=None,  # It is `None` because data is from tfds, not local dir.
      tokenizer=tokenizer,
      train_data_output_path=train_data_output_path,
      eval_data_output_path=eval_data_output_path,
      max_seq_length=max_seq_length))

最後に、これらのTFRecordファイルからtf.data入力パイプラインを作成します。

training_dataset = bert.run_classifier.get_dataset_fn(
    train_data_output_path,
    max_seq_length,
    batch_size,
    is_training=True)()

evaluation_dataset = bert.run_classifier.get_dataset_fn(
    eval_data_output_path,
    max_seq_length,
    eval_batch_size,
    is_training=False)()

結果のtf.data.Datasets (features, labels) keras.Model.fit期待されるように(features, labels)ペアをkeras.Model.fitます。

training_dataset.element_spec
({'input_word_ids': TensorSpec(shape=(32, 128), dtype=tf.int32, name=None),
  'input_mask': TensorSpec(shape=(32, 128), dtype=tf.int32, name=None),
  'input_type_ids': TensorSpec(shape=(32, 128), dtype=tf.int32, name=None)},
 TensorSpec(shape=(32,), dtype=tf.int32, name=None))

トレーニングと評価のためにtf.data.Datasetを作成します

データの読み込みを変更する必要がある場合は、ここに開始するためのコードがあります。

def create_classifier_dataset(file_path, seq_length, batch_size, is_training):
  """Creates input dataset from (tf)records files for train/eval."""
  dataset = tf.data.TFRecordDataset(file_path)
  if is_training:
    dataset = dataset.shuffle(100)
    dataset = dataset.repeat()

  def decode_record(record):
    name_to_features = {
      'input_ids': tf.io.FixedLenFeature([seq_length], tf.int64),
      'input_mask': tf.io.FixedLenFeature([seq_length], tf.int64),
      'segment_ids': tf.io.FixedLenFeature([seq_length], tf.int64),
      'label_ids': tf.io.FixedLenFeature([], tf.int64),
    }
    return tf.io.parse_single_example(record, name_to_features)

  def _select_data_from_record(record):
    x = {
        'input_word_ids': record['input_ids'],
        'input_mask': record['input_mask'],
        'input_type_ids': record['segment_ids']
    }
    y = record['label_ids']
    return (x, y)

  dataset = dataset.map(decode_record,
                        num_parallel_calls=tf.data.experimental.AUTOTUNE)
  dataset = dataset.map(
      _select_data_from_record,
      num_parallel_calls=tf.data.experimental.AUTOTUNE)
  dataset = dataset.batch(batch_size, drop_remainder=is_training)
  dataset = dataset.prefetch(tf.data.experimental.AUTOTUNE)
  return dataset
# Set up batch sizes
batch_size = 32
eval_batch_size = 32

# Return Tensorflow dataset
training_dataset = create_classifier_dataset(
    train_data_output_path,
    input_meta_data['max_seq_length'],
    batch_size,
    is_training=True)

evaluation_dataset = create_classifier_dataset(
    eval_data_output_path,
    input_meta_data['max_seq_length'],
    eval_batch_size,
    is_training=False)
training_dataset.element_spec
({'input_word_ids': TensorSpec(shape=(32, 128), dtype=tf.int64, name=None),
  'input_mask': TensorSpec(shape=(32, 128), dtype=tf.int64, name=None),
  'input_type_ids': TensorSpec(shape=(32, 128), dtype=tf.int64, name=None)},
 TensorSpec(shape=(32,), dtype=tf.int64, name=None))

TFHub上のTFModelsBERT

BERTモデルTFHubから入手できます。このhub.KerasLayer上に分類ヘッドを追加するのは難しくありませんhub.KerasLayer

# Note: 350MB download.
import tensorflow_hub as hub

hub_encoder = hub.KerasLayer(f"https://tfhub.dev/tensorflow/{hub_model_name}/3",
                             trainable=True)

print(f"The Hub encoder has {len(hub_encoder.trainable_variables)} trainable variables")
The Hub encoder has 199 trainable variables

データのバッチでテスト実行します。

result = hub_encoder(
    inputs=dict(
        input_word_ids=glue_train['input_word_ids'][:10],
        input_mask=glue_train['input_mask'][:10],
        input_type_ids=glue_train['input_type_ids'][:10],),
    training=False,
)

print("Pooled output shape:", result['pooled_output'].shape)
print("Sequence output shape:", result['sequence_output'].shape)
Pooled output shape: (10, 768)
Sequence output shape: (10, 103, 768)

この時点で、分類ヘッドを自分で追加するのは簡単です。

bert_models.classifier_model関数は、TensorFlowハブからエンコーダーに分類子を構築することもできます。

hub_classifier = nlp.modeling.models.BertClassifier(
    bert_encoder,
    num_classes=2,
    dropout_rate=0.1,
    initializer=tf.keras.initializers.TruncatedNormal(
        stddev=0.02))

TFHubからこのモデルをロードすることの1つの欠点は、内部のkerasレイヤーの構造が復元されないことです。そのため、モデルを検査または変更することはより困難です。 BertEncoderモデルが単一レイヤーになりました。

tf.keras.utils.plot_model(hub_classifier, show_shapes=True, dpi=64)

png

try:
  tf.keras.utils.plot_model(hub_encoder, show_shapes=True, dpi=64)
  assert False
except Exception as e:
  print(f"{type(e).__name__}: {e}")
AttributeError: 'KerasLayer' object has no attribute 'layers'

低レベルのモデル構築

モデルの構築をさらに制御する必要がある場合は、以前に使用したclassifier_model関数が、実際にはnlp.modeling.models.BertClassifierクラスとnlp.modeling.models.BertClassifierクラスの単なる薄いラッパーであることにnlp.modeling.networks.BertEncoderしてnlp.modeling.models.BertClassifier 。アーキテクチャの変更を開始した場合、事前にトレーニングされたチェックポイントをリロードすることが正しくないか、不可能である可能性があるため、最初から再トレーニングする必要があることを覚えておいてください。

エンコーダーを作成します。

bert_encoder_config = config_dict.copy()

# You need to rename a few fields to make this work:
bert_encoder_config['attention_dropout_rate'] = bert_encoder_config.pop('attention_probs_dropout_prob')
bert_encoder_config['activation'] = tf_utils.get_activation(bert_encoder_config.pop('hidden_act'))
bert_encoder_config['dropout_rate'] = bert_encoder_config.pop('hidden_dropout_prob')
bert_encoder_config['initializer'] = tf.keras.initializers.TruncatedNormal(
          stddev=bert_encoder_config.pop('initializer_range'))
bert_encoder_config['max_sequence_length'] = bert_encoder_config.pop('max_position_embeddings')
bert_encoder_config['num_layers'] = bert_encoder_config.pop('num_hidden_layers')

bert_encoder_config
{'hidden_size': 768,
 'intermediate_size': 3072,
 'num_attention_heads': 12,
 'type_vocab_size': 2,
 'vocab_size': 30522,
 'attention_dropout_rate': 0.1,
 'activation': <function official.modeling.activations.gelu.gelu(x)>,
 'dropout_rate': 0.1,
 'initializer': <tensorflow.python.keras.initializers.initializers_v2.TruncatedNormal at 0x7fe203c32d68>,
 'max_sequence_length': 512,
 'num_layers': 12}
manual_encoder = nlp.modeling.networks.BertEncoder(**bert_encoder_config)

重みを復元します。

checkpoint = tf.train.Checkpoint(encoder=manual_encoder)
checkpoint.read(
    os.path.join(gs_folder_bert, 'bert_model.ckpt')).assert_consumed()
<tensorflow.python.training.tracking.util.CheckpointLoadStatus at 0x7fe20392a198>

テスト実行:

result = manual_encoder(my_examples, training=True)

print("Sequence output shape:", result[0].shape)
print("Pooled output shape:", result[1].shape)
Sequence output shape: (2, 23, 768)
Pooled output shape: (2, 768)

分類子でラップします。

manual_classifier = nlp.modeling.models.BertClassifier(
        bert_encoder,
        num_classes=2,
        dropout_rate=bert_encoder_config['dropout_rate'],
        initializer=bert_encoder_config['initializer'])
manual_classifier(my_examples, training=True).numpy()
array([[ 0.1309041 , -0.20986415],
       [-0.09952673,  0.05040173]], dtype=float32)

オプティマイザーとスケジュール

モデルのトレーニングに使用されるオプティマイザーは、 nlp.optimization.create_optimizer関数を使用して作成されました。

optimizer = nlp.optimization.create_optimizer(
    2e-5, num_train_steps=num_train_steps, num_warmup_steps=warmup_steps)

その高レベルのラッパーは、学習率のスケジュールとオプティマイザーを設定します。

ここで使用される基本学習率スケジュールは、トレーニングの実行中にゼロに直線的に減衰します。

epochs = 3
batch_size = 32
eval_batch_size = 32

train_data_size = len(glue_train_labels)
steps_per_epoch = int(train_data_size / batch_size)
num_train_steps = steps_per_epoch * epochs
decay_schedule = tf.keras.optimizers.schedules.PolynomialDecay(
      initial_learning_rate=2e-5,
      decay_steps=num_train_steps,
      end_learning_rate=0)

plt.plot([decay_schedule(n) for n in range(num_train_steps)])
[<matplotlib.lines.Line2D at 0x7fe203c1ac50>]

png

これは、次に、トレーニングの最初の10%にわたって学習率を目標値まで直線的に増加させるWarmUpスケジュールにラップされます。

warmup_steps = num_train_steps * 0.1

warmup_schedule = nlp.optimization.WarmUp(
        initial_learning_rate=2e-5,
        decay_schedule_fn=decay_schedule,
        warmup_steps=warmup_steps)

# The warmup overshoots, because it warms up to the `initial_learning_rate`
# following the original implementation. You can set
# `initial_learning_rate=decay_schedule(warmup_steps)` if you don't like the
# overshoot.
plt.plot([warmup_schedule(n) for n in range(num_train_steps)])
[<matplotlib.lines.Line2D at 0x7fe20397bfd0>]

png

次に、BERTモデル用に構成されたそのスケジュールを使用してnlp.optimization.AdamWeightDecayを作成します。

optimizer = nlp.optimization.AdamWeightDecay(
        learning_rate=warmup_schedule,
        weight_decay_rate=0.01,
        epsilon=1e-6,
        exclude_from_weight_decay=['LayerNorm', 'layer_norm', 'bias'])