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

杠杆(统计) 计算机科学 推论 语言理解 蒸馏 语言模型 计算 任务(项目管理) 代表(政治) 人工智能 边缘设备 机器学习 GSM演进的增强数据速率 自然语言处理 算法 工程类 有机化学 化学 法学 系统工程 操作系统 政治 云计算 政治学
作者
Victor Sanh,Lysandre Debut,Julien Chaumond,Alexander M. Rush
出处
期刊:Cornell University - arXiv 被引量:3817
标识
DOI:10.48550/arxiv.1910.01108
摘要

As Transfer Learning from large-scale pre-trained models becomes more prevalent in Natural Language Processing (NLP), operating these large models in on-the-edge and/or under constrained computational training or inference budgets remains challenging. In this work, we propose a method to pre-train a smaller general-purpose language representation model, called DistilBERT, which can then be fine-tuned with good performances on a wide range of tasks like its larger counterparts. While most prior work investigated the use of distillation for building task-specific models, we leverage knowledge distillation during the pre-training phase and show that it is possible to reduce the size of a BERT model by 40%, while retaining 97% of its language understanding capabilities and being 60% faster. To leverage the inductive biases learned by larger models during pre-training, we introduce a triple loss combining language modeling, distillation and cosine-distance losses. Our smaller, faster and lighter model is cheaper to pre-train and we demonstrate its capabilities for on-device computations in a proof-of-concept experiment and a comparative on-device study.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
wood发布了新的文献求助10
1秒前
AU完成签到 ,获得积分10
1秒前
spy发布了新的文献求助10
2秒前
2秒前
ning发布了新的文献求助10
3秒前
土豆你个西红柿完成签到 ,获得积分10
3秒前
喜洋洋发布了新的文献求助10
3秒前
3秒前
3秒前
3秒前
jam发布了新的文献求助10
4秒前
快快快发布了新的文献求助10
4秒前
精灵夜雨完成签到,获得积分10
4秒前
默默新儿发布了新的文献求助10
4秒前
superstard完成签到,获得积分10
5秒前
沉默朝雪完成签到 ,获得积分10
6秒前
dracovu完成签到,获得积分10
6秒前
科研通AI2S应助zengyiyong采纳,获得10
6秒前
华仔应助南海神尼采纳,获得10
7秒前
7秒前
石幼蓉完成签到,获得积分10
7秒前
8秒前
8秒前
8秒前
三yuyu完成签到,获得积分10
8秒前
蓝桉完成签到,获得积分10
9秒前
杨一发布了新的文献求助10
10秒前
隐形曼青应助无语的冬易采纳,获得10
10秒前
科研通AI2S应助Regina采纳,获得10
11秒前
1234发布了新的文献求助10
11秒前
BU会完成签到,获得积分10
12秒前
Hu完成签到,获得积分10
12秒前
12秒前
12秒前
hhehe发布了新的文献求助10
12秒前
agui完成签到 ,获得积分10
13秒前
13秒前
ephore应助快快快采纳,获得30
14秒前
14秒前
理想三旬完成签到,获得积分10
15秒前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3053115
求助须知:如何正确求助?哪些是违规求助? 2710358
关于积分的说明 7421333
捐赠科研通 2354967
什么是DOI,文献DOI怎么找? 1246568
科研通“疑难数据库(出版商)”最低求助积分说明 606146
版权声明 595975