加入Transformer-XL，这个PyTorch包能调用各种NLP预训练模型
PT-BERT 项目地址：https://github.com/huggingface/pytorch-pretrained-BERT
短短两个多月以来，该项目已经获得了 3 千多的收藏量，而这两天发布的 0.5 版本更是收录了由谷歌和 CMU 最新提出的 Transformer-XL 模型。
在 0.5 版本的更新中，它主要提供了两个新的预训练模型，即在 Toronto Book Corpus 上预训练的 Open AI GPT 模型和在 WikiText 103 上预训练的 Transformer-XL 模型。其中 Open AI GPT 模型主要修正了分词和位置嵌入编码，从而提升预训练的性能；Transformer-XL 模型主要是针对 TensorFlow 官方实现的复现，且对相对位置编码等模块做一些修改。
这次更新比较重要的就是 Transformer-XL 预训练模型，它是对 Transformer 及语言建模的修正，这项前沿研究也是上个月才公布。一般而言，Transformer-XL 学习到的长期依赖性比标准 Transformer 学到的长 450%，无论在长序列还是短序列中都得到了更好的结果，而且在评估时比标准 Transformer 快 1800 多倍。
除了预训练模型的发布，0.5 发行版还更新了一些脚本和微调示例，例如更新 SQuAD 微调脚本以适应 SQuAD V2.0 数据集。现在让我们看看 0.5 版如何快速导入 Open AI GPT 和 Transformer-XL 模型，并预测一句话缺失的下一个词吧：
PT-BERT
上面简单介绍了什么是 PT-BERT 即最新的 0.5 版，那么这个项目到底有什么特点呢？目前项目一共包含三大类预训练模型，它们的实现均已在多个数据集上进行测试（详见示例），性能堪比对应的 TensorFlow 实现。
以下是三大类预训练模型的信息详情：
BERT 是在论文《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》中提出的。该 PyTorch 实现包括谷歌的预训练模型（https://github.com/google-research/bert）、示例、notebook，以及命令行接口，允许加载 BERT 的任意预训练 TensorFlow 检查点。
OpenAI GPT 是在论文《Improving Language Understanding by Generative Pre-Training》中提出的。该 PyTorch 实现是对 HuggingFace 的 PyTorch 实现进行改进后得到的，包括 OpenAI 的预训练模型（https://github.com/openai/finetune-transformer-lm）和命令行接口，可将预训练 NumPy 检查点转换为 PyTorch。
Google/CMU 提出的 Transformer-XL 是在论文《Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context》中提出的。该 PyTorch 实现是对原版 PyTorch 实现的改进版本，以获得与 TensforFlow 版本相匹配的性能，并允许复用预训练权重。该实现提供命令行接口，以将 TensorFlow 检查点转换为 PyTorch 模型。
以上所有预训练模型都可以直接通过软件库调用，使用方法就和前面图片那样简单便捷。整个包体的安装也可以直接使用命令行 pip install pytorch-pretrained-bert 完成。目前该软件包含以下模型与模块，它们均可被导入 Python 中。
- 8 个具备预训练权重的 Bert PyTorch 模型：包括原版 BERT Transformer 模型（完全预训练）、执行下一句预测分类的 BERT Transformer 模型（完全预训练）、实现序列分类的 BERT Transformer 模型、实现 token 分类的 BERT Transformer 模型等。
- 3 个具备预训练权重的 OpenAI GPT PyTorch 模型：原版 OpenAI GPT Transformer 模型（完全预训练）、实现捆绑语言建模的 OpenAI GPT Transformer 模型（完全预训练）、实现多类别分类的 OpenAI GPT Transformer 模型。
- 2 个具备预训练权重的 Transformer-XL PyTorch 模型：Transformer-XL 模型，输出最后一个隐藏状态和记忆单元（完全预训练）、具备 tied adaptive softmax head 的 Transformer-XL 模型，输出 logits/loss 和记忆单元（完全预训练）。
- 3 种 BERT 分词器：基础分词、WordPiece 分词、端到端分词。
- OpenAI GPT 分词器：执行 Byte-Pair-Encoding (BPE) 分词。
- Transformer-XL 分词器
- BERT 优化器：Adam 算法的 BERT 版本。
- OpenAI GPT 优化器：Adam 算法的 OpenAI GPT 版本。
此外，该库还包括 5 个 BERT 使用示例、1 个 OpenAI GPT 使用示例、1 个 Transformer-XL 使用示例、3 个用于检查 TensorFlow 和 PyTorch 模型是否行为一致的 notebook，以及将 TensorFlow 检查点（BERT、Transformer-XL）和 NumPy 检查点（OpenAI）转换成 PyTorch 的命令行接口。