CN115203419A - 语言模型的训练方法、装置及电子设备 - Google Patents
语言模型的训练方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115203419A CN115203419A CN202210874729.6A CN202210874729A CN115203419A CN 115203419 A CN115203419 A CN 115203419A CN 202210874729 A CN202210874729 A CN 202210874729A CN 115203419 A CN115203419 A CN 115203419A
- Authority
- CN
- China
- Prior art keywords
- language model
- student
- target
- loss value
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000013140 knowledge distillation Methods 0.000 claims abstract description 22
- 238000004821 distillation Methods 0.000 claims description 68
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000003058 natural language processing Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000873 masking effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种语言模型的训练方法、装置及电子设备,涉及人工智能领域,尤其涉及自然语言处理领域。具体实现方案为:基于第一无标签训练样本对教师语言模型进行预训练,获得预训练后的教师语言模型;基于第一有标签的多任务数据对预训练后的教师语言模型进行多任务训练,获得目标教师语言模型;基于第二无标签训练样本,利用目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型;基于有标签的下游任务数据对训练后的学生语言模型进行训练,获得目标语言模型。本方案使训练后的学生语言模型有较强的通用性和泛化性,也可以以提升目标语言模型的训练效率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及人工智能及自然语言处理技术领域,尤其涉及一种语言模型的训练方法、装置及电子设备。
背景技术
随着人工智能技术的发展,机器学习尤其是深度学习已在自然语言等领域广泛应用,针对自然语言处理领域中的不同任务通常使用语言模型来实现。
在相关技术中,通过知识蒸馏的方式利用较大规模的语言模型来训练规模较小的语言模型,但是获取的语言模型的通用性和泛化性较差,且模型的效果也有待提高。
发明内容
本公开提供了一种语言模型的训练方法、装置及电子设备。
根据本公开的一方面,提供了一种语言模型的训练方法,包括:
基于第一无标签训练样本对教师语言模型进行预训练,获得预训练后的教师语言模型;
基于第一有标签的多任务数据对所述预训练后的教师语言模型进行多任务训练,获得目标教师语言模型;
基于第二无标签训练样本,利用所述目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型;
基于有标签的下游任务数据对所述训练后的学生语言模型进行训练,获得目标语言模型。
在本公开的一些实施例中,所述基于第一有标签的多任务数据对所述预训练后的教师语言模型进行多任务训练,获得目标教师语言模型,包括:
将所述第一有标签的多任务数据输入至所述预训练后的教师语言模型,获得与每个任务各自对应预测结果;
根据所述与每个任务各自对应预测结果及其对应的标签,确定与每个任务各自对应的损失值;
根据所述与每个任务各自对应的损失值,确定多任务总损失值;
基于所述多任务总损失值对所述预训练后的教师语言模型的模型参数进行调整,直至得到所述目标教师语言模型。
作为一种可能的实现方式,所述基于第二无标签训练样本,利用所述目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型,包括:
将所述第二无标签训练样本输入至所述目标教师语言模型,获得所述目标教师语言模型的目标网络层的输出结果;
将所述第二无标签训练样本输入至所述学生语言模型,获得所述学生语言模型的目标网络层的输出结果;
根据所述目标教师语言模型的目标网络层的输出结果和所述学生语言模型的目标网络层的输出结果,确定蒸馏损失值;
根据所述蒸馏损失值对所述学生语言模型进行训练,直至得到所述训练后的学生语言模型。
在本公开的另一些实施例中,所述方法还包括:
基于第二有标签的多任务数据对所述训练后的学生语言模型进行多任务训练,获得目标学生语言模型;
其中,所述基于有标签的下游任务数据对所述训练后的学生语言模型进行训练,获得目标语言模型,包括:
基于所述有标签的下游任务数据对所述目标学生语言模型进行训练,获得所述目标语言模型。
在本公开的一些实施例中,所述学生语言模型的数量为多个;所述基于第二无标签训练样本,利用所述目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型,包括:
将所述第二无标签训练样本输入至所述目标教师语言模型,获得所述目标教师语言模型的目标网络层的输出结果;
将所述第二无标签训练样本分别输入至每个所述学生语言模型,获得每个所述学生语言模型的目标网络层的输出结果;
根据所述目标教师语言模型的目标网络层的输出结果和每个所述学生语言模型的目标网络层的输出结果,确定每个学生语言模型的第一损失值;
根据所述多个学生语言模型的目标网络层的输出结果之间的差异,确定每个所述学生语言模型的至少一个第二损失值;
根据每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值,确定每个所述学生语言模型的蒸馏总损失值,并根据所述蒸馏总损失值对每个所述学生语言模型进行训练,获得多个训练后的学生语言模型。
其中,所述根据每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值,确定每个所述学生语言模型的蒸馏总损失值,包括:
对每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值进行加权计算,并将加权计算的结果作为每个所述学生语言模型的蒸馏总损失值。
根据本公开的第二方面,提供了一种语言模型的训练装置,包括:
预训练模块,用于基于第一无标签训练样本对教师语言模型进行预训练,获得预训练后的教师语言模型;
第一多任务训练模块,用于基于第一有标签的多任务数据对所述预训练后的教师语言模型进行多任务训练,获得目标教师语言模型;
蒸馏模块,用于基于第二无标签训练样本,利用所述目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型;
下游训练模块,用于基于有标签的下游任务数据对所述训练后的学生语言模型进行训练,获得目标语言模型。
在本公开的一些实施例中,所述第一多任务训练模块具体用于:
将所述第一有标签的多任务数据输入至所述预训练后的教师语言模型,获得与每个任务各自对应预测结果;
根据所述与每个任务各自对应预测结果及其对应的标签,确定与每个任务各自对应的损失值;
根据所述与每个任务各自对应的损失值,确定多任务总损失值;
基于所述多任务总损失值对所述预训练后的教师语言模型的模型参数进行调整,直至得到所述目标教师语言模型。
作为一种可能的实施方式,所述蒸馏模块具体用于:
将所述第二无标签训练样本输入至所述目标教师语言模型,获得所述目标教师语言模型的目标网络层的输出结果;
将所述第二无标签训练样本输入至所述学生语言模型,获得所述学生语言模型的目标网络层的输出结果;
根据所述目标教师语言模型的目标网络层的输出结果和所述学生语言模型的目标网络层的输出结果,确定蒸馏损失值;
根据所述蒸馏损失值对所述学生语言模型进行训练,直至得到所述训练后的学生语言模型。
在本公开的另一些实施例中,所述装置还包括:
第二多任务训练模块,用于基于第二有标签的多任务数据对所述训练后的学生语言模型进行多任务训练,获得目标学生语言模型;
其中,所述下游训练模块具体用于:
基于所述有标签的下游任务数据对所述目标学生语言模型进行训练,获得所述目标语言模型。
在本公开的一些实施例中,所述学生语言模型的数量为多个;所述蒸馏模块具体用于:
将所述第二无标签训练样本输入至所述目标教师语言模型,获得所述目标教师语言模型的目标网络层的输出结果;
将所述第二无标签训练样本分别输入至每个所述学生语言模型,获得每个所述学生语言模型的目标网络层的输出结果;
根据所述目标教师语言模型的目标网络层的输出结果和每个所述学生语言模型的目标网络层的输出结果,确定每个学生语言模型的第一损失值;
根据所述多个学生语言模型的目标网络层的输出结果之间的差异,确定每个所述学生语言模型的至少一个第二损失值;
根据每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值,确定每个所述学生语言模型的蒸馏总损失值,并根据所述蒸馏总损失值对每个所述学生语言模型进行训练,获得多个训练后的学生语言模型。
其中,所述蒸馏模块还用于:
对每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值进行加权计算,并将加权计算的结果作为每个所述学生语言模型的蒸馏总损失值。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行时,以使所述至少一个处理器能够执行上述第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行上述第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述第一方面所述的方法。
根据本公开实施例的技术方案,通过对教师语言模型进行预训练和多任务训练,使得到的目标教师语言模型能够学习到通用性语言知识的同时,也可以学习到与不同任务相关的一些知识,再通过任务无关蒸馏的方式将其迁移学生语言模型,从而可以使训练后的学生语言模型具有较强的通用性和泛化性,对其结合下游任务进行训练后,可以得到满足实际需求的目标语言模型。这样,不仅可以使训练后的学生语言模型可以学习到通用性的知识,也可以学习到与任务相关的信息,从而可以提升目标语言模型在下游任务上的效果。同时,由于通过任务无关的蒸馏方式,使训练后的学生语言模型有较强的通用性和泛化性,对于不同的下游任务无需重新蒸馏,仅仅对得到的训练后的学生语言模型结合下游任务进行微调即可,从而可以提升语言模型的训练效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是本公开实施例中知识蒸馏过程的示意图;
图4是根据本公开第三实施例的示意图;
图5是根据本公开第四实施例的示意图;
图6是根据本公开第五实施例的示意图;
图7是用来实现本公开实施例的语言模型的训练方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。所涉及的用户个人信息是在争得用户同意的情况下获取、存储和应用的。
随着人工智能技术的发展,机器学习尤其是深度学习已在自然语言等领域广泛应用,针对自然语言处理领域中的不同任务通常使用语言模型来实现。在相关技术中,通过知识蒸馏的方式利用较大规模的语言模型来训练规模较小的语言模型,但是获取的语言模型的通用性和泛化性较差,且模型的效果也有待提高。
为了解决上述问题,本公开提供了一种语言模型的训练方法、装置及电子设备。
图1为本公开实施例提供的一种语言模型的训练方法的流程图。需要说明的是,本公开实施例中的语言模型的训练方法可以应用于本公开实施例中的语言模型的训练装置中,且本公开实施例中的语言模型的训练装置可以配置于电子设备中。如图1所示,该方法可以包括以下步骤:
步骤101,基于第一无标签训练样本对教师语言模型进行预训练,获得预训练后的教师语言模型。
在本公开的一些实施例中,第一无标签训练样本可以为大量的通用语言文本,教师语言模型可以为Transformer、BERT等神经网络语言模型,通常教师语言模型为规模较大的语言模型。其中,基于第一无标签训练样本对教师语言模型进行预训练,相当于对教师语言模型进行自监督预训练,利用海量无标签数据,采用自监督对比学习方法来训练较大规模的教师语言模型,隐式第学习到通用语言文本表征知识,不仅可以减少对标注数据的依赖,降低人工标注的成本,也可以提升模型的通用性和泛化性。
作为一种实施例方式,可以基于第一无标签训练样本进行掩码,并将其输入至教师语言模型中,基于教师语言模型对训练样本的学习,联合掩码输出网络来预测掩码的文本,并通过实际掩码情况与预测结果,不断对教师语言模型的模型参数进行调整,直至达到预设的迭代次数,或者损失值达到预设要求后,完成对教师语言模型的预训练,使预训练后的教师语言模型可以学习到通用性的语言文本。
步骤102,基于第一有标签的多任务数据对预训练后的教师语言模型进行多任务训练,获得目标教师语言模型。
在本公开的一些实施例中,此处的多任务可以为多种文本任务,即多领域多形态的文本任务,其中,多领域是指数据来源可以来自于不同领域,比如金融领域、医疗领域、法律领域、新闻领域等,多形态是指任务类型的多样性,比如可以包括情感分类、实体识别、问题回答、自然语言推断等。对预训练后的教师语言模型进行多任务训练,可以使教师语言模型学习到不同领域不同形态的下游任务知识,而且还可以通过多任务同时微调学习到更加容易泛化的表达。第一有标签的多任务数据中可以包括对于不同任务的训练样本以及各自对应的标签数据。
其中,对预训练后的教师语言模型进行多任务训练的过程,相当于对预训练后的教师语言模型与多个任务输出网络进行联合训练的过程。将预训练后的教师语言模型的输出连接至多个任务输出网络,这样,可以利用预训练后的教师语言模型对第一有标签的多任务数据的文本表达能力,结合不同任务输出网络的输出计算对于每个任务的预测损失值,并结合每个任务的预测损失值,不断地调整预训练后的教师语言模型中的参数以及多个任务输出网络中的参数,最终得到的目标教师语言模型可以学习到不同任务的相关知识,也可以使目标教师语言模型具备更强的泛化性。
作为一种可能的实施方式,步骤102的实现方式可以包括:将第一有标签的多任务数据输入至预训练后的教师语言模型,获得与每个任务各自对应预测结果;根据与每个任务各自对应预测结果及其对应的标签,确定与每个任务各自对应的损失值;根据与每个任务各自对应的损失值,确定多任务总损失值;基于多任务总损失值对预训练后的教师语言模型的模型参数进行调整,直至得到目标教师语言模型。其中,根据与每个任务各自对应的损失值,确定多任务总损失值的计算方式可以如公式(1)所示:
其中,L为多任务总损失值,Li为任务i的损失值,ni为任务i的分类个数。
步骤103,基于第二无标签训练样本,利用目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型。
可以理解,知识蒸馏是在教师-学生框架中,将复杂、学习能力强的教师网络学习到的特征表示“知识”蒸馏出来,并将其传递给参数量小、学习能力弱的学生网络中,教师网络中学习到的特征标识可以作为监督信息,训练学生网络以模仿教师网络的行为。一般知识蒸馏分为任务有关蒸馏和任务无关蒸馏两种方式,其中,任务有关蒸馏是指教师网络学习到某个特定任务后,通过蒸馏的方式将学习到的知识转移至学生网络,使学生网络同样具备实现该特定任务的能力。任务无关蒸馏是指教师网络学习到通用泛化性的知识,基于无标签数据将教师网络学习到的知识传递给学生网络的过程。
在本公开的一些实施例中,第二无标签训练样本可以包括大量的通用性的语言文本,且第二无标签训练样本可以与第一无标签训练样本完全相同、或者部分相同,或者完全不同,本公开对此不作限定。学生语言模型可以为实际应用场景中的任意神经网络语言模型,可以是相比教师语言模型较轻量化的语言模型,也可以是与教师语言模型相同的语言模型。
作为一种实施方式,可以将第二无标签训练样本输入至目标教师语言模型,获得目标教师语言模型的输出结果,同时将第二无标签训练样本输入至学生语言模型,互动学生语言模型的输出结果,根据目标教师语言模型的输出结果和学生语言模型的输出结果,计算蒸馏损失值,并根据计算得到的损失值调整学生语言模型中的模型参数,直至得到训练后的学生语言模型。其中,可以将目标教师语言模型的输出结果和学生语言模型的输出结果的KL三度作为损失函数,来计算蒸馏损失值。
步骤104,基于有标签的下游任务数据对训练后的学生语言模型进行训练,获得目标语言模型。
可以理解,通过知识蒸馏的方式获取的训练后的学生语言模型已经学习到了通用性的文本表达,以及与多任务相关的知识,具备较强的泛化性。所以根据实际应用场景的需求,可以结合下游任务数据对训练后的学生语言模型进行微调,以获得适用于实际需求的目标语言模型。
在本公开的一些实施例中,有标签的下游任务数据是指针对实际应用场景中的语言文本任务的训练样本,以及对应的标签数据。该下游任务为实际应用场景中某个具体的任务,比如对地理文本的实体识别。其实现方式可以包括:将训练后的学生语言模型引入对应的输出层,并将有标签的下游任务数据输入至训练后的学生语言模型,获得输出层输出的预测结果,并根据预测结果和对应的标签数据,计算损失值;根据该损失值不断调整训练后的学生语言模型的模型参数和输出层的模型参数,直至迭代次数达到预设阈值后,将不断调整的训练后的学生语言模型和输出层作为目标语言模型。
需要说明的是,若需要多个应用于不同下游任务的目标语言模型,则可以根据每个下游任务对应的训练样本及标签数据,分别对训练后的学生语言模型进行训练,获得与每个下游任务各自对应的目标语言模型。
根据本公开实施例的语言模型的训练方法,通过对教师语言模型进行预训练和多任务训练,使得到的目标教师语言模型能够学习到通用性语言知识的同时,也可以学习到与不同任务相关一些知识,再通过任务无关蒸馏的方式将其迁移学生语言模型,从而可以使训练后的学生语言模型具有较强的通用性和泛化性,对其结合下游任务进行训练后,可以得到满足实际需求的目标语言模型。这样,不仅可以使训练后的学生语言模型可以学习到通用性的知识,也可以学习到与任务相关的信息,从而可以提升目标语言模型在下游任务上的效果。同时,由于通过任务无关的蒸馏方式,使训练后的学生语言模型有较强的通用性和泛化性,对于不同的下游任务无需重新蒸馏,仅仅对得到的训练后的学生语言模型结合下游任务进行微调即可,从而可以提升语言模型的训练效率。
接下来将针对知识整理的过程进行详细介绍。
图2为本公开实施例中知识蒸馏过程的流程图。如图2所示,基于上述实施例,步骤103的实现方式可以包括以下步骤:
步骤201,将第二无标签训练样本输入至目标教师语言模型,获得目标教师语言模型的目标网络层的输出结果。
在本公开的一些实施例中,目标教师语言模型的目标网络层可以为目标教师语言模型的中的某一网络层,可以根据实际语言模型可以设定目标教师语言模型中的某网络层为目标网络层。比如,若教师语言模型为Transformer模型,则可以将目标教师语言模型中的多头自注意力网络层作为目标教师语言模型的目标网络层,目标教师语言模型的目标网络层的输出结果可以为Query(查询向量)、Key(键向量)和Value(值向量)。
步骤202,将第二无标签训练样本输入至学生语言模型,获得学生语言模型的目标网络层的输出结果。
在本公开的一些实施例中,学生语言模型的目标网络层可以为学生语言模型的中的某一网络层,可以根据实际语言模型可以设定学生语言模型中的某网络层为目标网络层。比如,若学生语言模型也为Transformer模型,则可以将学生语言模型中的多头自注意力网络层作为学生语言模型的目标网络层,学生语言模型的目标网络层的输出结果可以为Query(查询向量)、Key(键向量)和Value(值向量)。
步骤203,根据目标教师语言模型的目标网络层的输出结果和学生语言模型的目标网络层的输出结果,确定蒸馏损失值。
在本公开的一些实施例中,可以将目标教师语言模型的目标网络层的输出结果和学生语言模型的目标网络层的输出结果之间的KL散度作为损失函数,来确定蒸馏损失值。
在本公开的另一些实施例中,由于目标教师语言模型的目标网络层的输出结果和学生语言模型的目标网络层的输出结果可能存在值域不一致的情况,所以可以先分别将目标教师语言模型的目标网络层的输出结果和学生语言模型的目标网络层的输出结果进行归一化处理,再基于归一化处理后的结果来确定蒸馏损失值。
作为一种示例,若目标教师语言模型的目标网络层为目标教师语言模型的注意力模块,学生语言模型的目标网络层为学生语言模型的注意力模块,且目标教师语言模型的目标网络层的输出结果为Query(查询向量)、Key(键向量)和Value(值向量),学生语言模型的目标网络层的输出结果也为Query(查询向量)、Key(键向量)和Value(值向量)。如图3所示,该过程可以包括:根据目标教师语言模型的目标网络层的输出的Query、Key和Value,确定目标教师语言模型的Query*Query、Key*Key和Value*Value;根据学生语言模型的目标网络层的输出的Query、Key和Value,确定目学生语言模型的Query*Query、Key*Key和Value*Value;根据各自的自注意力关系,确定对应的标准差,并分别对Query*Query、Key*Key和Value*Value进行标准化处理;根据目标教师语言模型的自注意力标准化结果与学生语言模型的自注意力标准化结果之间差异的KL散度作为损失函数,确定蒸馏损失值。
步骤204,根据蒸馏损失值对学生语言模型进行训练,直至得到训练后的学生语言模型。
也就是说,由于该知识蒸馏过程为任务无关蒸馏,所以相当于对学生语言模型的预训练,使训练后的学生语言模型可以学习到通用性的语言文本知识,也可以学习到不同任务相关的知识,从而可以使训练后的学生语言模型具备通用性和泛化性。在实际应用时,可以基于下游任务需求对训练后的学生语言模型进行微调即可,无需再针对下游任务进行蒸馏,又由于训练后的学生语言模型已经学习到不同任务相关的知识,所以可以使得到的目标语言模型具有更好的下游效果。
根据本公开实施例的语言模型的训练方法,将第二无标签训练样本分别输入至目标教师语言模型和学生语言模型,并分别获取对应模型目标网络层的输出结果,根据目标网络层的输出结果来确定蒸馏损失值,以根据蒸馏损失值对学生语言模型进行训练,得到训练后的学生语言模型。也就是说,该知识蒸馏过程为任务无关蒸馏,所以相当于对学生语言模型的预训练,使训练后的学生语言模型可以学习到通用性的语言文本知识,也可以学习到不同任务相关的知识,从而可以使训练后的学生语言模型具备通用性和泛化性。又由于训练后的学生语言模型已经学习到不同任务相关的知识,所以可以使得到的目标语言模型具有更好的下游效果。
为了进一步提升模型的训练效果,本公开提供了有一个实施例。
图4为本公开实施例所提供的另一种语言模型的训练方法。如图4所示,该方法可以包括以下步骤:
步骤401,基于第一无标签训练样本对教师语言模型进行预训练,获得预训练后的教师语言模型。
步骤402,基于第一有标签的多任务数据对预训练后的教师语言模型进行多任务训练,获得目标教师语言模型。
步骤403,基于第二无标签训练样本,利用目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型。
步骤404,基于第二有标签的多任务数据对训练后的学生语言模型进行多任务训练,获得目标学生语言模型。
在本公开的一些实施例中,此处的多任务可以为多种文本任务,即多领域多形态的文本任务,其中,多领域是指数据来源可以来自于不同领域,比如金融领域、医疗领域、法律领域、新闻领域等,多形态是指任务类型的多样性,比如可以包括情感分类、实体识别、问题回答、自然语言推断等。对训练后的学生语言模型进行多任务训练,可以使学生语言模型学习到不同领域不同形态的下游任务知识,而且还可以通过多任务同时微调学习到更加容易泛化的表达。第二有标签的多任务数据中可以包括对于不同任务的训练样本以及各自对应的标签数据,且第二有标签的多任务数据可以与第一有标签的多任务数据一致,也可以不一致。
其中,对训练后的学生语言模型进行多任务训练的过程,相当于对训练后的学生语言模型与多个任务输出网络进行联合训练的过程。将训练后的学生语言模型的输出连接至多个任务输出网络,这样,可以利用训练后的学生语言模型对第二有标签的多任务数据的文本表达能力,结合不同任务输出网络的输出计算对于每个任务的预测损失值,并结合每个任务的预测损失值,不断地调整训练后的学生语言模型中的参数以及多个任务输出网络中的参数,最终得到的目标学生语言模型可以学习到不同任务的相关知识,也可以使目标学生语言模型具备更强的泛化性。
需要说明的是,对训练后的学生语言模型进行多任务训练的实现方式可以与上述实施例中对预训练后的教师语言模型进行多任务训练的实现方式一致,此处不再赘述。
步骤405,基于有标签的下游任务数据对目标学生语言模型进行训练,获得目标语言模型。
可以理解,由于目标学生语言模型已经学习到了多个任务的相关知识,所以基于有标签的下游任务数据对目标学生语言模型进行训练后,得到的目标语言模型可以具备更好的下游效果,同时可以提升该过程的训练效率。
根据本公开实施例的语言模型的训练方法,将训练后的学生语言模型先进行多任务训练,再将得到的目标学生模型基于下游任务数据进行训练,得到目标语言模型。这样,通过对训练后的学生语言模型进行多任务训练,可以使得到的目标学生语言模型具备与下游任务相关的知识,从而可以提升得到的目标语言模型的下游效果,也可以提升基于下游任务进行训练时的训练效率。
在实际应用场景中,可能会基于不同的需求,存在多个学生语言模型,接下来将针对学生语言模型的数量为多个时的蒸馏过程进行介绍。
图5为本公开实施例提供的另一种知识蒸馏过程的流程图。如图5所示,基于上述实施例,图1中的步骤103的实现方式可以包括以下步骤:
步骤501,将第二无标签训练样本输入至目标教师语言模型,获得目标教师语言模型的目标网络层的输出结果。
步骤502,将第二无标签训练样本分别输入至每个学生语言模型,获得每个学生语言模型的目标网络层的输出结果。
在本公开的一些实施例中,多个学生语言模型可以是相同的,也可以是不同的。比如,如果学生语言模型应用于同一场景下的下游任务,为了使最终得到的训练后的学生语言模型的效果更好,可以对多个相同的学生语言模型进行知识蒸馏,获得多个训练后的学生语言模型,并将多个训练后的学生语言模型的模型参数取平均,得到最终训练后的学生语言模型。如果存在对于不同场景的下游任务,学生语言模型可以是基于实际需求的不同语言模型,经过知识蒸馏的方式同时对不同的学生语言模型进行训练,得到多个训练后的学生语言模型。
步骤503,根据目标教师语言模型的目标网络层的输出结果和每个学生语言模型的目标网络层的输出结果,确定每个学生语言模型的第一损失值。
作为一种示例,若学生语言模型为3个,包括学生语言模型1、学生语言模型2和学生语言模型3,则可以根据目标教师语言模型的目标网络层的输出结果和学生语言模型1的目标网络层的输出结果,确定学生语言模型1的第一损失值;根据目标教师语言模型的目标网络层的输出结果和学生语言模型2的目标网络层的输出结果,确定学生语言模型2的第一损失值;根据目标教师语言模型的目标网络层的输出结果和学生语言模型3的目标网络层的输出结果,确定学生语言模型3的第一损失值。
其中,针对每个学生语言模型,根据目标教师语言模型的目标网络层的输出结果和该学生语言模型的目标网络层的输出结果,确定该学生语言模型的第一损失值的实现方式,可以与上述实施例中学生语言模型为1个时的实现方式一致,此处不再赘述。
步骤504,根据多个学生语言模型的目标网络层的输出结果之间的差异,确定每个学生语言模型的至少一个第二损失值。
可以理解,由于对多个学生语言模型进行知识蒸馏,相当于是多个学生语言模型同时对目标教师语言模型蒸馏的知识进行学习,理想状态下多个学生语言模型的学习进度是相同的,但是由于机器学习的随机性,所以每个学生语言模型的目标网络层的输出结果可能会存在差异,这样不同学生语言模型之间也可以相互学习,以提升训练效率。
在本公开的一些实施例中,每个学生语言模型的至少一个第二损失值是基于每个学生语言模型的目标网络层的输出结果与除自身之外的其他学生语言模型的目标网络层的输出结果计算的。
作为一种实施方式,若学生语言模型的数量为3个,分别为学生语言模型1、学生语言模型2和学生语言模型3,则根据多个学生语言模型的目标网络层的输出结果之间的差异,确定每个学生语言模型的至少一个第二损失值的实现方式可以包括:根据学生语言模型1的目标网络层的输出结果和学生语言模型2的目标网络层的输出结果,以及根据学生语言模型1的目标网络层的输出结果和学生语言模型3的目标网络层的输出结果,则可以确定学生语言模型1的两个第二损失值;根据学生语言模型2的目标网络层的输出结果和学生语言模型1的目标网络层的输出结果,以及根据学生语言模型2的目标网络层的输出结果和学生语言模型3的目标网络层的输出结果,则可以确定学生语言模型2的两个第二损失值;根据学生语言模型3的目标网络层的输出结果和学生语言模型1的目标网络层的输出结果,以及根据学生语言模型3的目标网络层的输出结果和学生语言模型2的目标网络层的输出结果,则可以确定学生语言模型3的两个第二损失值。
步骤505,根据每个学生语言模型的第一损失值和每个学生语言模型的至少一个第二损失值,确定每个学生语言模型的蒸馏总损失值,并根据蒸馏总损失值对每个学生语言模型进行训练,获得多个训练后的学生语言模型。
也就是说,在知识蒸馏的过程中,既通过目标教师语言模型来指导学生语言模型进行学习,多个学生语言模型之间也相互教导,以提升学生语言模型的学习效率。
在本公开的一些实施例中,根据每个学生语言模型的第一损失值和每个学生语言模型的至少一个第二损失值,确定每个学生语言模型的蒸馏总损失值的实现过程可以为:对每个学生语言模型的第一损失值和每个学生语言模型的至少一个第二损失值进行加权计算,并将加权计算的结果作为每个所述学生语言模型的蒸馏总损失值。
其中,获得的多个训练后的学生语言模型,可以根据实际需求,分别基于对应的有标签的下游任务数据进行训练,以获得多个目标语言模型。若学生语言模型为相同的模型,则可以根据多个训练后的学生语言模型进行取平均,以确定计算后的学生语言模型,再基于有标签的下游任务数据对计算后的学生语言模型进行训练,得到目标语言模型。
根据本公开实施例的语言模型的训练方法,对于学生语言模型为多个时,根据目标教师语言模型的目标网络层的输出结果和每个学生语言模型的目标网络层的输出结果,确定每个学生语言模型的第一损失值,并根据多个学生语言模型的目标网络层的输出结果之间的差异,确定每个学生语言模型的至少一个第二损失值,结合每个学生语言模型的第一损失值和至少一个第二损失值,来确定每个学生语言模型的蒸馏总损失值,以对每个学生语言模型进行训练。相当于在知识蒸馏的过程中,既通过目标教师语言模型来指导学生语言模型进行学习,多个学生语言模型之间也相互教导,从而可以提升学生语言模型的学习效率。
为了实现上述实施例,本公开提供了一种语言模型的训练装置。
图6为本公开实施例提供的一种语言模型的训练装置的结构框图。如图6所示,该装置包括:
预训练模块601,用于基于第一无标签训练样本对教师语言模型进行预训练,获得预训练后的教师语言模型;
第一多任务训练模块602,用于基于第一有标签的多任务数据对预训练后的教师语言模型进行多任务训练,获得目标教师语言模型;
蒸馏模块603,用于基于第二无标签训练样本,利用目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型;
下游训练模块604,用于基于有标签的下游任务数据对训练后的学生语言模型进行训练,获得目标语言模型。
在本公开的一些实施例中,第一多任务训练模块602具体用于:
将第一有标签的多任务数据输入至预训练后的教师语言模型,获得与每个任务各自对应预测结果;
根据与每个任务各自对应预测结果及其对应的标签,确定与每个任务各自对应的损失值;
根据与每个任务各自对应的损失值,确定多任务总损失值;
基于多任务总损失值对预训练后的教师语言模型的模型参数进行调整,直至得到目标教师语言模型。
作为一种可能的实施方式,蒸馏模块603具体用于:
将第二无标签训练样本输入至目标教师语言模型,获得目标教师语言模型的目标网络层的输出结果;
将第二无标签训练样本输入至学生语言模型,获得学生语言模型的目标网络层的输出结果;
根据目标教师语言模型的目标网络层的输出结果和学生语言模型的目标网络层的输出结果,确定蒸馏损失值;
根据蒸馏损失值对学生语言模型进行训练,直至得到训练后的学生语言模型。
在本公开的另一些实施例中,装置还包括:
第二多任务训练模块605,用于基于第二有标签的多任务数据对训练后的学生语言模型进行多任务训练,获得目标学生语言模型;
其中,下游训练模块604具体用于:
基于有标签的下游任务数据对目标学生语言模型进行训练,获得目标语言模型。
在本公开的一些实施例中,学生语言模型的数量为多个;蒸馏模块604具体用于:
将第二无标签训练样本输入至目标教师语言模型,获得目标教师语言模型的目标网络层的输出结果;
将第二无标签训练样本分别输入至每个学生语言模型,获得每个学生语言模型的目标网络层的输出结果;
根据目标教师语言模型的目标网络层的输出结果和每个学生语言模型的目标网络层的输出结果,确定每个学生语言模型的第一损失值;
根据多个学生语言模型的目标网络层的输出结果之间的差异,确定每个学生语言模型的至少一个第二损失值;
根据每个学生语言模型的第一损失值和每个学生语言模型的至少一个第二损失值,确定每个学生语言模型的蒸馏总损失值,并根据蒸馏总损失值对每个学生语言模型进行训练,获得多个训练后的学生语言模型。
其中,蒸馏模块603还用于:
对每个学生语言模型的第一损失值和每个学生语言模型的至少一个第二损失值进行加权计算,并将加权计算的结果作为每个学生语言模型的蒸馏总损失值。
根据本公开实施例的语言模型的训练装置,通过对教师语言模型进行预训练和多任务训练,使得到的目标教师语言模型能够学习到通用性语言知识的同时,也可以学习到与不同任务相关的一些知识,再通过任务无关蒸馏的方式将其迁移学生语言模型,从而可以使训练后的学生语言模型具有较强的通用性和泛化性,对其结合下游任务进行训练后,可以得到满足实际需求的目标语言模型。这样,不仅可以使训练后的学生语言模型可以学习到通用性的知识,也可以学习到与任务相关的信息,从而可以提升目标语言模型在下游任务上的效果。同时,由于通过任务无关的蒸馏方式,使训练后的学生语言模型有较强的通用性和泛化性,对于不同的下游任务无需重新蒸馏,仅仅对得到的训练后的学生语言模型结合下游任务进行微调即可,从而可以提升语言模型的训练效率。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如语言模型的训练方法。例如,在一些实施例中,语言模型的训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的语言模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行语言模型的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种语言模型的训练方法,包括:
基于第一无标签训练样本对教师语言模型进行预训练,获得预训练后的教师语言模型;
基于第一有标签的多任务数据对所述预训练后的教师语言模型进行多任务训练,获得目标教师语言模型;
基于第二无标签训练样本,利用所述目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型;
基于有标签的下游任务数据对所述训练后的学生语言模型进行训练,获得目标语言模型。
2.根据权利要求1所述的方法,其中,所述基于第一有标签的多任务数据对所述预训练后的教师语言模型进行多任务训练,获得目标教师语言模型,包括:
将所述第一有标签的多任务数据输入至所述预训练后的教师语言模型,获得与每个任务各自对应预测结果;
根据所述与每个任务各自对应预测结果及其对应的标签,确定与每个任务各自对应的损失值;
根据所述与每个任务各自对应的损失值,确定多任务总损失值;
基于所述多任务总损失值对所述预训练后的教师语言模型的模型参数进行调整,直至得到所述目标教师语言模型。
3.根据权利要求1所述的方法,所述基于第二无标签训练样本,利用所述目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型,包括:
将所述第二无标签训练样本输入至所述目标教师语言模型,获得所述目标教师语言模型的目标网络层的输出结果;
将所述第二无标签训练样本输入至所述学生语言模型,获得所述学生语言模型的目标网络层的输出结果;
根据所述目标教师语言模型的目标网络层的输出结果和所述学生语言模型的目标网络层的输出结果,确定蒸馏损失值;
根据所述蒸馏损失值对所述学生语言模型进行训练,直至得到所述训练后的学生语言模型。
4.根据权利要求1所述的方法,还包括:
基于第二有标签的多任务数据对所述训练后的学生语言模型进行多任务训练,获得目标学生语言模型;
其中,所述基于有标签的下游任务数据对所述训练后的学生语言模型进行训练,获得目标语言模型,包括:
基于所述有标签的下游任务数据对所述目标学生语言模型进行训练,获得所述目标语言模型。
5.根据权利要求1-4中任一项所述的方法,其中,所述学生语言模型的数量为多个;所述基于第二无标签训练样本,利用所述目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型,包括:
将所述第二无标签训练样本输入至所述目标教师语言模型,获得所述目标教师语言模型的目标网络层的输出结果;
将所述第二无标签训练样本分别输入至每个所述学生语言模型,获得每个所述学生语言模型的目标网络层的输出结果;
根据所述目标教师语言模型的目标网络层的输出结果和每个所述学生语言模型的目标网络层的输出结果,确定每个学生语言模型的第一损失值;
根据所述多个学生语言模型的目标网络层的输出结果之间的差异,确定每个所述学生语言模型的至少一个第二损失值;
根据每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值,确定每个所述学生语言模型的蒸馏总损失值,并根据所述蒸馏总损失值对每个所述学生语言模型进行训练,获得多个训练后的学生语言模型。
6.根据权利要求5所述的方法,其中,所述根据每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值,确定每个所述学生语言模型的蒸馏总损失值,包括:
对每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值进行加权计算,并将加权计算的结果作为每个所述学生语言模型的蒸馏总损失值。
7.一种语言模型的训练装置,包括:
预训练模块,用于基于第一无标签训练样本对教师语言模型进行预训练,获得预训练后的教师语言模型;
第一多任务训练模块,用于基于第一有标签的多任务数据对所述预训练后的教师语言模型进行多任务训练,获得目标教师语言模型;
蒸馏模块,用于基于第二无标签训练样本,利用所述目标教师语言模型对学生语言模型进行知识蒸馏,获得训练后的学生语言模型;
下游训练模块,用于基于有标签的下游任务数据对所述训练后的学生语言模型进行训练,获得目标语言模型。
8.根据权利要求7所述的装置,其中,所述第一多任务训练模块具体用于:
将所述第一有标签的多任务数据输入至所述预训练后的教师语言模型,获得与每个任务各自对应预测结果;
根据所述与每个任务各自对应预测结果及其对应的标签,确定与每个任务各自对应的损失值;
根据所述与每个任务各自对应的损失值,确定多任务总损失值;
基于所述多任务总损失值对所述预训练后的教师语言模型的模型参数进行调整,直至得到所述目标教师语言模型。
9.根据权利要求7所述的装置,所述蒸馏模块具体用于:
将所述第二无标签训练样本输入至所述目标教师语言模型,获得所述目标教师语言模型的目标网络层的输出结果;
将所述第二无标签训练样本输入至所述学生语言模型,获得所述学生语言模型的目标网络层的输出结果;
根据所述目标教师语言模型的目标网络层的输出结果和所述学生语言模型的目标网络层的输出结果,确定蒸馏损失值;
根据所述蒸馏损失值对所述学生语言模型进行训练,直至得到所述训练后的学生语言模型。
10.根据权利要求7所述的装置,还包括:
第二多任务训练模块,用于基于第二有标签的多任务数据对所述训练后的学生语言模型进行多任务训练,获得目标学生语言模型;
其中,所述下游训练模块具体用于:
基于所述有标签的下游任务数据对所述目标学生语言模型进行训练,获得所述目标语言模型。
11.根据权利要求7-10中任一项所述的装置,其中,所述学生语言模型的数量为多个;所述蒸馏模块具体用于:
将所述第二无标签训练样本输入至所述目标教师语言模型,获得所述目标教师语言模型的目标网络层的输出结果;
将所述第二无标签训练样本分别输入至每个所述学生语言模型,获得每个所述学生语言模型的目标网络层的输出结果;
根据所述目标教师语言模型的目标网络层的输出结果和每个所述学生语言模型的目标网络层的输出结果,确定每个学生语言模型的第一损失值;
根据所述多个学生语言模型的目标网络层的输出结果之间的差异,确定每个所述学生语言模型的至少一个第二损失值;
根据每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值,确定每个所述学生语言模型的蒸馏总损失值,并根据所述蒸馏总损失值对每个所述学生语言模型进行训练,获得多个训练后的学生语言模型。
12.根据权利要求11所述的装置,其中,所述蒸馏模块还用于:
对每个所述学生语言模型的第一损失值和每个所述学生语言模型的至少一个第二损失值进行加权计算,并将加权计算的结果作为每个所述学生语言模型的蒸馏总损失值。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210874729.6A CN115203419A (zh) | 2022-07-21 | 2022-07-21 | 语言模型的训练方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210874729.6A CN115203419A (zh) | 2022-07-21 | 2022-07-21 | 语言模型的训练方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115203419A true CN115203419A (zh) | 2022-10-18 |
Family
ID=83583630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210874729.6A Pending CN115203419A (zh) | 2022-07-21 | 2022-07-21 | 语言模型的训练方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115203419A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186200A (zh) * | 2023-01-19 | 2023-05-30 | 北京百度网讯科技有限公司 | 模型训练方法、装置、电子设备和存储介质 |
CN116595130A (zh) * | 2023-07-18 | 2023-08-15 | 深圳须弥云图空间科技有限公司 | 基于小语言模型的多种任务下的语料扩充方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188358A (zh) * | 2019-05-31 | 2019-08-30 | 北京神州泰岳软件股份有限公司 | 自然语言处理模型的训练方法及装置 |
CN110991556A (zh) * | 2019-12-16 | 2020-04-10 | 浙江大学 | 一种基于多学生合作蒸馏的高效图像分类方法、装置、设备及介质 |
CN112613273A (zh) * | 2020-12-16 | 2021-04-06 | 上海交通大学 | 多语言bert序列标注模型的压缩方法及系统 |
CN114429143A (zh) * | 2022-01-14 | 2022-05-03 | 东南大学 | 一种基于强化蒸馏的跨语言属性级情感分类方法 |
-
2022
- 2022-07-21 CN CN202210874729.6A patent/CN115203419A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188358A (zh) * | 2019-05-31 | 2019-08-30 | 北京神州泰岳软件股份有限公司 | 自然语言处理模型的训练方法及装置 |
CN110991556A (zh) * | 2019-12-16 | 2020-04-10 | 浙江大学 | 一种基于多学生合作蒸馏的高效图像分类方法、装置、设备及介质 |
CN112613273A (zh) * | 2020-12-16 | 2021-04-06 | 上海交通大学 | 多语言bert序列标注模型的压缩方法及系统 |
CN114429143A (zh) * | 2022-01-14 | 2022-05-03 | 东南大学 | 一种基于强化蒸馏的跨语言属性级情感分类方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186200A (zh) * | 2023-01-19 | 2023-05-30 | 北京百度网讯科技有限公司 | 模型训练方法、装置、电子设备和存储介质 |
CN116186200B (zh) * | 2023-01-19 | 2024-02-09 | 北京百度网讯科技有限公司 | 模型训练方法、装置、电子设备和存储介质 |
CN116595130A (zh) * | 2023-07-18 | 2023-08-15 | 深圳须弥云图空间科技有限公司 | 基于小语言模型的多种任务下的语料扩充方法及装置 |
CN116595130B (zh) * | 2023-07-18 | 2024-02-20 | 深圳须弥云图空间科技有限公司 | 基于小语言模型的多种任务下的语料扩充方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113553864B (zh) | 翻译模型的训练方法、装置、电子设备及存储介质 | |
EP3913545A2 (en) | Method and apparatus for updating parameter of multi-task model, and electronic device | |
CN115203419A (zh) | 语言模型的训练方法、装置及电子设备 | |
CN112541122A (zh) | 推荐模型的训练方法、装置、电子设备及存储介质 | |
CN114416953B (zh) | 问答处理方法、问答模型的训练方法和装置 | |
CN112561060B (zh) | 神经网络训练方法及装置、图像识别方法及装置和设备 | |
CN112541124A (zh) | 生成多任务模型的方法、装置、设备、介质及程序产品 | |
US20220083742A1 (en) | Man-machine dialogue method and system, computer device and medium | |
CN112580732A (zh) | 模型训练方法、装置、设备、存储介质和程序产品 | |
US20230013796A1 (en) | Method and apparatus for acquiring pre-trained model, electronic device and storage medium | |
CN112949818A (zh) | 模型蒸馏方法、装置、设备以及存储介质 | |
KR102614912B1 (ko) | 딥러닝 기반 특허 잠재가치 평가 장치 및 그 방법 | |
CN112528146B (zh) | 内容资源推荐方法、装置、电子设备及存储介质 | |
CN113468857A (zh) | 风格转换模型的训练方法、装置、电子设备以及存储介质 | |
CN117113087A (zh) | 模型训练方法、装置、电子设备以及存储介质 | |
CN114897183B (zh) | 问题数据处理方法、深度学习模型的训练方法和装置 | |
CN116383382A (zh) | 敏感信息的识别方法、装置、电子设备及存储介质 | |
CN113886543A (zh) | 生成意图识别模型的方法、装置、介质及程序产品 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN114707638A (zh) | 模型训练、对象识别方法及装置、设备、介质和产品 | |
CN114492370A (zh) | 网页识别方法、装置、电子设备和介质 | |
CN113239215A (zh) | 多媒体资源的分类方法、装置、电子设备及存储介质 | |
US20230229736A1 (en) | Embedding optimization for a machine learning model | |
CN116226478B (zh) | 信息处理方法、模型训练方法、装置、设备及存储介质 | |
CN115131709B (zh) | 视频类别预测方法、视频类别预测模型的训练方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |