别再死记硬背BERT结构了!用PyTorch手搓一个BERT-Base,带你彻底搞懂MLM和NSP

news2026/4/14 20:16:52
从零实现BERT-Base深入解析MLM与NSP的PyTorch实战指南1. 为什么需要动手实现BERT在自然语言处理领域BERT已经成为基石般的模型架构。但很多开发者发现仅仅通过调用transformers库来使用BERT就像驾驶一辆无法打开引擎盖的跑车——你可以踩油门前进却对内部工作原理一无所知。理解BERT的核心价值在于80-10-10掩码策略的巧妙设计如何解决预训练与微调的数据分布差异三种嵌入相加的数学本质及其对位置信息的编码方式注意力头之间的参数共享机制如何影响模型表现层归一化的放置位置为何比Transformer原始论文更有效当我第一次尝试修改BERT的注意力头大小时才真正意识到那些看似简单的架构决策背后蕴含的深刻工程智慧。下面让我们用PyTorch从零开始构建一个完整可训练的BERT-Base模型。2. 模型架构设计2.1 嵌入层实现BERT的嵌入层由三个部分组成它们的数学表达可以表示为$$ \text{Embedding} \text{TokenEmbedding} \text{SegmentEmbedding} \text{PositionEmbedding} $$class BERTEmbeddings(nn.Module): def __init__(self, config): super().__init__() self.token_embeddings nn.Embedding(config.vocab_size, config.hidden_size) self.position_embeddings nn.Embedding(config.max_position_embeddings, config.hidden_size) self.segment_embeddings nn.Embedding(config.type_vocab_size, config.hidden_size) self.LayerNorm nn.LayerNorm(config.hidden_size) self.dropout nn.Dropout(config.hidden_dropout_prob) def forward(self, input_ids, token_type_idsNone): seq_length input_ids.size(1) position_ids torch.arange(seq_length, dtypetorch.long, deviceinput_ids.device) if token_type_ids is None: token_type_ids torch.zeros_like(input_ids) token_emb self.token_embeddings(input_ids) position_emb self.position_embeddings(position_ids) segment_emb self.segment_embeddings(token_type_ids) embeddings token_emb position_emb segment_emb embeddings self.LayerNorm(embeddings) embeddings self.dropout(embeddings) return embeddings关键细节位置嵌入是可学习的参数而非固定正弦函数这是BERT与原始Transformer的重要区别2.2 Transformer编码器层每个编码器层包含多头自注意力机制前馈神经网络残差连接和层归一化class BERTSelfAttention(nn.Module): def __init__(self, config): super().__init__() self.num_heads config.num_attention_heads self.head_dim config.hidden_size // config.num_attention_heads self.query nn.Linear(config.hidden_size, config.hidden_size) self.key nn.Linear(config.hidden_size, config.hidden_size) self.value nn.Linear(config.hidden_size, config.hidden_size) self.dense nn.Linear(config.hidden_size, config.hidden_size) self.dropout nn.Dropout(config.attention_probs_dropout_prob) def forward(self, hidden_states, attention_maskNone): batch_size hidden_states.size(0) # 线性变换 q self.query(hidden_states) k self.key(hidden_states) v self.value(hidden_states) # 多头分割 q q.view(batch_size, -1, self.num_heads, self.head_dim).transpose(1, 2) k k.view(batch_size, -1, self.num_heads, self.head_dim).transpose(1, 2) v v.view(batch_size, -1, self.num_heads, self.head_dim).transpose(1, 2) # 注意力分数计算 scores torch.matmul(q, k.transpose(-1, -2)) / math.sqrt(self.head_dim) if attention_mask is not None: scores scores attention_mask # 注意力概率 probs nn.Softmax(dim-1)(scores) probs self.dropout(probs) # 上下文加权 context torch.matmul(probs, v) context context.transpose(1, 2).contiguous() context context.view(batch_size, -1, self.num_heads * self.head_dim) # 输出投影 output self.dense(context) return output3. 预训练任务实现3.1 掩码语言模型(MLM)BERT的MLM任务采用独特的80-10-10策略处理方式比例示例 (原始句子: the man ate an apple)替换为[MASK]80%the man [MASK] an apple替换为随机词10%the man ran an apple保持原词10%the man ate an appledef create_masked_lm_predictions(tokens, mask_prob, vocab_size): 生成MLM训练样本 output_tokens list(tokens) masked_lm_positions [] masked_lm_labels [] for i, token in enumerate(tokens): if token in [[CLS], [SEP]]: continue prob random.random() if prob mask_prob: masked_lm_positions.append(i) mask_decision random.random() if mask_decision 0.8: output_tokens[i] [MASK] elif mask_decision 0.9: output_tokens[i] random.randint(0, vocab_size-1) # 剩下10%保持原样 masked_lm_labels.append(token) return output_tokens, masked_lm_positions, masked_lm_labels3.2 下一句预测(NSP)NSP任务的样本构造规则def create_next_sentence_predictions(text_a, text_b, max_seq_length): 生成NSP训练样本 # 50%概率使用真实下一句 if random.random() 0.5: is_next True tokens_a tokenize(text_a) tokens_b tokenize(text_b) else: is_next False tokens_a tokenize(text_a) tokens_b tokenize(random.choice(corpus)) # 随机选择非关联句子 # 合并并截断 truncate_seq_pair(tokens_a, tokens_b, max_seq_length - 3) # 添加特殊token tokens [[CLS]] tokens_a [[SEP]] tokens_b [[SEP]] segment_ids [0]*(len(tokens_a)2) [1]*(len(tokens_b)1) return tokens, segment_ids, is_next4. 完整模型整合将各组件组合成完整BERT模型class BERTForPretraining(nn.Module): def __init__(self, config): super().__init__() self.bert BERTModel(config) self.mlm_head MaskedLMHead(config) self.nsp_head NextSentencePredictionHead(config) def forward(self, input_ids, token_type_idsNone, attention_maskNone, masked_lm_positionsNone): # 获取BERT输出 sequence_output, pooled_output self.bert( input_ids, token_type_ids, attention_mask) # MLM任务 if masked_lm_positions is not None: masked_lm_output torch.gather( sequence_output, 1, masked_lm_positions.unsqueeze(-1).expand(-1,-1,sequence_output.size(-1))) mlm_scores self.mlm_head(masked_lm_output) else: mlm_scores None # NSP任务 nsp_scores self.nsp_head(pooled_output) return mlm_scores, nsp_scores5. 训练技巧与优化5.1 动态掩码策略原始BERT在数据预处理时生成掩码更高效的做法是在训练时动态生成class DynamicMasking: def __init__(self, mask_prob0.15): self.mask_prob mask_prob def apply(self, batch): masked_batch batch.clone() labels torch.full_like(batch, -100) # 忽略非掩码位置 # 为每个序列生成随机掩码 rand torch.rand(batch.shape) mask_pos (rand self.mask_prob) (batch ! 0) # 忽略padding # 80-10-10策略 mask_decision torch.rand(batch.shape) masked_batch[mask_pos (mask_decision 0.8)] tokenizer.mask_token_id random_words torch.randint(0, tokenizer.vocab_size, batch.shape) masked_batch[mask_pos (mask_decision 0.8) (mask_decision 0.9)] ( random_words[mask_pos (mask_decision 0.8) (mask_decision 0.9)]) labels[mask_pos] batch[mask_pos] return masked_batch, labels5.2 梯度累积当GPU内存不足时可以使用梯度累积模拟更大batch sizeaccumulation_steps 4 optimizer.zero_grad() for i, batch in enumerate(dataloader): loss model(batch).mean() loss.backward() if (i1) % accumulation_steps 0: optimizer.step() optimizer.zero_grad()6. 性能优化技巧6.1 混合精度训练使用AMP(Automatic Mixed Precision)加速训练scaler torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(): loss model(batch) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()6.2 注意力优化实现内存高效的注意力计算def memory_efficient_attention(q, k, v, maskNone): 分块计算注意力以减少内存占用 chunk_size 64 # 根据GPU内存调整 scores torch.einsum(bhid,bhjd-bhij, q, k) / math.sqrt(q.size(-1)) if mask is not None: scores scores mask probs torch.softmax(scores, dim-1) # 分块计算 output torch.zeros_like(v) for i in range(0, q.size(2), chunk_size): chunk torch.einsum(bhij,bhjd-bhid, probs[:,:,i:ichunk_size], v[:,:,i:ichunk_size]) output[:,:,i:ichunk_size] chunk return output7. 模型部署实践7.1 权重共享技巧# 在初始化时共享权重 self.mlm_head.dense.weight self.bert.embeddings.token_embeddings.weight7.2 ONNX导出将模型导出为ONNX格式以便生产环境部署torch.onnx.export( model, (dummy_input,), bert.onnx, input_names[input_ids, attention_mask], output_names[output], dynamic_axes{ input_ids: {0: batch, 1: sequence}, attention_mask: {0: batch, 1: sequence}, output: {0: batch} } )

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2517545.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…