最强NLP模型BERT喜迎PyTorch版！谷歌官方推荐，也会支持中文

郭一璞 夏乙 发自 凹非寺 量子位 报道 | 公众号 QbitAI

谷歌的最强NLP模型BERT发布以来，一直非常受关注，上周开源的官方TensorFlow实现在GitHub上已经收获了近6000星。

TensorFlow爱好者们已经可以开心的玩耍，PyTorch用户还在焦虑吗？

不要担心，就在这两天，一个名叫“抱抱脸（HuggingFace?）”的团队在PyTorch上实现了BERT，开源不久，Google在官方BERT实现的说明开头热情推荐，已经在GitHub上攒了将近700星。

这个PyTorch版本是Google官方TensorFlow开源模型的“重实现”，可以加载任何预训练TensorFlow BERT检查点，当然也包括那些Google官方预训练模型。同时，他们还提供转换脚本。

重要的是，官方多语言和中文版模型已经放出，PyTorch版的作者们也会在本周添加中文版模型哦~

三个PyTorch模型

在这个库里，作者们准备了三个PyTorch模型：

BertModel

原味BERT，是一个基本的BERT Transformer模型，带有一层求和的token、位置和序列嵌入，还有一系列相同的自注意块（12个用于BERT-base，24个用于BERT-large）。

其中，输入和输出与TensorFlow模型的输入和输出相同。

BertForSequenceClassification

带序列分类器的BERT模型，其中包含BertModel本身和序列级（序列或序列对）分类器。

序列级分类器是一个线性层，它将输入序列中第一个字符的最后隐藏状态作为输入。

BertForQuestionAnswering

带token分类器的BERT模型，包含BertModel和最终隐藏状态完整序列上的token级分类器。

这个模型可以用来搞定SQuAD等问答任务。

token级分类器将最终隐藏状态的完整序列作为输入，并为每个token计算几个分数，例如，分别可以是给定令牌是否属于start_span和end_span令牌的分数。

TensorFlow模型转换脚本

前边也提到过，这份开源代码中还包含一个脚本，能将任何预训练BERT TensorFlow检查点转换成PyTorch保存文件，特别是Google官方发布的那几个预训练模型。

就是根目录下的这个脚本文件：

convert_tf_checkpoint_to_pytorch.py

使用这个脚本需要注意两点。

一是想要得到一个PyTorch模型的话，运行一次就够了，接下来只需要忽略TensorFlow检查点文件，保留配置文件和词表文件；

二是虽说最终用的都是PyTorch模型，但TensorFlow也得安装。

作者简介

推出PyTorch版BERT代码的“抱抱脸”团队，在NLP领域贡献了不少（基于PyTorch的）开源代码和走心教程。

比如，他们会教你给NLP任务加速100倍： https://medium.com/huggingface/100-times-faster-natural-language-processing-in-python-ee32033bdced

用PyTorch实现了从语言中识别情绪情感反讽的DeepMoji模型： https://github.com/huggingface/torchMoji

还用PyTorch实现了OpenAI优化过的Transformer模型： https://github.com/huggingface/pytorch-openai-transformer-lm

“抱抱脸”团队的科学主管Thomas Wolf，他同时也是PyTorch版BERT的主要贡献者。

不要以为抱抱脸是个学生科研社团，他们是个正经创业公司，主业是开发一个支持文本、照片、表情包的聊天机器人，他们称为Social AI。

传送门

想用PyTorch实现，去这里：

https://github.com/huggingface/pytorch-pretrained-BERT

最后在啰嗦一句，BERT官方TensorFlow实现最近新增了多语言版和中文版模型，对中文世界真的很友好了：

https://github.com/google-research/bert

? Enjoy~

— 完 —