{"id":354918,"date":"2024-05-20T22:58:05","date_gmt":"2024-05-20T22:58:05","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=354918"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=354918","title":{"rendered":"<span>\u0421\u043e\u0431\u0438\u0440\u0430\u0435\u043c \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u044b\u0439 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 \u0448\u0430\u0433 \u0437\u0430 \u0448\u0430\u0433\u043e\u043c<\/span>"},"content":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w780q1\/getpro\/habr\/upload_files\/636\/413\/cdc\/636413cdc49202631dfe8f245bb9139f.jpg\" width=\"6977\" height=\"4238\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/636\/413\/cdc\/636413cdc49202631dfe8f245bb9139f.jpg\" data-blurred=\"true\"\/><\/figure>\n<p>\u041f\u0440\u0438\u0432\u0435\u0442, \u043c\u0435\u043d\u044f \u0437\u043e\u0432\u0443\u0442 \u0410\u043d\u0434\u0440\u0435\u0439 \u041a\u0430\u0437\u043d\u0430\u0447\u0435\u0435\u0432, \u044f NLP engineer \u0432 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0438 MTS AI. \u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u044f \u0440\u0430\u0441\u0441\u043a\u0430\u0436\u0443, \u043a\u0430\u043a \u0441\u043e\u0437\u0434\u0430\u043b \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430.\u00a0\u0412\u0441\u0435 \u043d\u0430\u0447\u0430\u043b\u043e\u0441\u044c \u0441 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u043c\u043d\u0435 \u043f\u043e\u0434\u043a\u0438\u043d\u0443\u043b\u0438 \u0437\u0430\u0434\u0430\u0447\u0443 \u043f\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432. \u0422\u0435\u043a\u0441\u0442\u044b \u0434\u043b\u0438\u043d\u043d\u044b\u0435, \u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u043e \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438\u043c\u0435\u044e\u0442 \u0441\u0442\u0440\u043e\u0433\u043e\u0435 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u0435 \u043f\u043e \u0434\u043b\u0438\u043d\u0435 \u0432\u0445\u043e\u0434\u043d\u043e\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u0425\u043e\u0442\u0435\u043b\u043e\u0441\u044c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0440\u0435\u0448\u0435\u043d\u0438\u0435 \u0443\u043c\u043d\u0435\u0435, \u0447\u0435\u043c \u043f\u0440\u043e\u0441\u0442\u043e \u043f\u043e\u0431\u0438\u0442\u044c \u0442\u0435\u043a\u0441\u0442 \u043d\u0430 \u043a\u0443\u0441\u043a\u0438, \u043e\u0434\u043d\u0430\u043a\u043e \u043d\u0438\u0447\u0435\u0433\u043e \u0433\u043e\u0442\u043e\u0432\u043e\u0433\u043e \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430 \u043d\u0435 \u043d\u0430\u0448\u0435\u043b. \u0422\u043e\u0433\u0434\u0430 \u044f \u0437\u0430\u0434\u0443\u043c\u0430\u043b\u0441\u044f, \u0430 \u0442\u0430\u043a \u043b\u0438 \u0441\u043b\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0441\u0432\u043e\u044e \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u0443\u044e \u0432\u0435\u0440\u0441\u0438\u044e \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u043f\u043e\u0434 \u0440\u0443\u0441\u0441\u043a\u0438\u0439 \u044f\u0437\u044b\u043a? \u041e\u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c, \u0441\u043e\u0432\u0441\u0435\u043c \u043d\u0435 \u0441\u043b\u043e\u0436\u043d\u043e.<\/p>\n<h2>\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430<\/h2>\n<p>\u041b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 &#8212; \u043c\u043e\u0434\u0435\u043b\u044c, \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u0430\u044f \u043d\u0430 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0435 Transformer, \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432. \u041d\u0438 \u0434\u043b\u044f \u043a\u043e\u0433\u043e \u043d\u0435 \u0441\u0435\u043a\u0440\u0435\u0442, \u0447\u0442\u043e \u0432 \u0441\u0438\u043b\u0443 <em>O(n<sup>2<\/sup>)<\/em> \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u044b \u0430\u0442\u0442\u0435\u043d\u0448\u043d\u0430, \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0435 <em>transformer-based<\/em> \u043c\u043e\u0434\u0435\u043b\u0438 (<em>BERT<\/em>, <em>RoBERTa<\/em>, \u0438 \u0442.\u0434.) \u0438\u043c\u0435\u044e\u0442 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 (\u0447\u0430\u0449\u0435 \u0432\u0441\u0435\u0433\u043e 512 \u0442\u043e\u043a\u0435\u043d\u043e\u0432). \u0410\u0432\u0442\u043e\u0440\u044b \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0442\u0440\u044e\u043a\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0441\u043d\u0438\u0437\u0438\u043b\u0438 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u0434\u043e <em>O(n)<\/em>:<\/p>\n<ul>\n<li>\n<p><strong>Sliding window<\/strong><br \/>\u0412 \u0442\u043e \u0432\u0440\u0435\u043c\u044f \u043a\u0430\u043a \u043e\u0431\u044b\u0447\u043d\u044b\u0439 \u0430\u0442\u0442\u0435\u043d\u0448\u043d \u043f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0430\u0435\u0442 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u043f\u043e \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0443 &#171;\u0432\u0441\u0435 \u043d\u0430 \u0432\u0441\u0435&#187; (\u0420\u0438\u0441. 1a), \u0432 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u0441\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0435 \u043e\u043a\u043d\u043e \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430 <em>w<\/em> (\u043e\u0431\u044b\u0447\u043d\u043e \u044d\u0442\u043e 512), \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f <em>O(n x w)<\/em> (\u0420\u0438\u0441. 1b).<\/p>\n<\/li>\n<li>\n<p><strong>Dilated sliding window<\/strong><br \/>\u041c\u043e\u0436\u043d\u043e \u0432 \u0430\u0442\u0442\u0435\u043d\u0448\u043d \u043f\u0430\u0442\u0442\u0435\u0440\u043d \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043a\u0438 (<em>gap<\/em>) \u043f\u043e \u0430\u043d\u0430\u043b\u043e\u0433\u0438\u0438 \u0441 <em>dilated-CNN<\/em>. \u0415\u0441\u043b\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c <em>gap<\/em> \u0440\u0430\u0437\u043c\u0435\u0440\u0430 <em>d<\/em>, \u0434\u043b\u044f \u0434\u043b\u044f \u0441\u043b\u043e\u044f <em>l<\/em> <em>receptive field<\/em> \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0437\u043c\u0435\u0440\u0430 <em>l x d x w<\/em> (\u0420\u0438\u0441. 1\u0441). \u0412 <em>multi-head attention<\/em> \u0434\u043b\u044f \u0440\u0430\u0437\u043d\u044b\u0445 \u0433\u043e\u043b\u043e\u0432 \u0437\u0430\u0434\u0430\u044e\u0442 \u0440\u0430\u0437\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 <em>d<\/em> (\u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u043c 0). \u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0438\u043c \u0443\u0447\u0438\u0442\u044c \u0440\u0430\u0437\u043d\u0443\u044e \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e: \u043a\u0430\u043a\u0438\u0435-\u0442\u043e \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0438\u0440\u0443\u044e\u0442\u0441\u044f \u043d\u0430 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435, \u043a\u0430\u043a\u0438\u0435-\u0442\u043e \u043d\u0430 \u0434\u0430\u043b\u044c\u043d\u0435\u043c.<\/p>\n<\/li>\n<li>\n<p><strong>Global attention<\/strong><br \/>\u041e\u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c, \u0447\u0442\u043e <em>dilated<\/em> \u0438 <em>sliding<\/em> \u0430\u0442\u0442\u0435\u043d\u0448\u043d \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0433\u0438\u0431\u043e\u043a \u0434\u043b\u044f \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447: MLM \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043d\u0430 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u0434\u043b\u044f \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u043c\u0430\u0441\u043a\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430, \u0434\u043b\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0432\u0441\u044f \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f \u043e \u0442\u0435\u043a\u0441\u0442\u0435 \u0430\u0433\u0440\u0435\u0433\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u0432 \u043e\u0434\u0438\u043d [CLS] \u0442\u043e\u043a\u0435\u043d, \u043f\u043e \u043a\u043e\u0442\u043e\u0440\u043e\u043c\u0443 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435, \u0434\u043b\u044f QA \u043e\u0442\u0432\u0435\u0442 \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441 \u0438\u0449\u0435\u0442\u0441\u044f \u0432 \u043a\u043e\u043d\u043a\u0430\u0442\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u043c \u0442\u0435\u043a\u0441\u0442\u0435. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0431\u044b\u043b\u043e \u0440\u0435\u0448\u0435\u043d\u043e \u0434\u043b\u044f \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0437\u0430\u0440\u0430\u043d\u0435\u0435 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u044b\u0439 \u0430\u0442\u0442\u0435\u043d\u0448\u043d &#8212; \u043e\u043d\u0438 \u0432\u0438\u0434\u044f\u0442 \u0432\u0441\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u0414\u043b\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u044d\u0442\u043e [CLS] \u0442\u043e\u043a\u0435\u043d, \u0434\u043b\u044f MLM &#8212; [MASK] &#8212; \u0442\u043e\u043a\u0435\u043d, \u0434\u043b\u044f QA &#8212; \u0442\u043e\u043a\u0435\u043d\u044b \u0432\u043e\u043f\u0440\u043e\u0441\u0430. \u0412 \u0441\u0438\u043b\u0443 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u044d\u0442\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043a\u043e\u043d\u0441\u0442\u0430\u043d\u0442\u043d\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e, \u043e\u0431\u0449\u0430\u044f \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439 \u043e\u0441\u0442\u0430\u0435\u0442\u0441\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439.<\/p>\n<figure class=\"full-width\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/791\/378\/253\/79137825321974f5b792793dde8a438e.png\" alt=\"\u0420\u0438\u0441. 1. \u0410\u0442\u0442\u0435\u043d\u0448\u043d \u043f\u0430\u0442\u0442\u0435\u0440\u043d\u044b\" title=\"\u0420\u0438\u0441. 1. \u0410\u0442\u0442\u0435\u043d\u0448\u043d \u043f\u0430\u0442\u0442\u0435\u0440\u043d\u044b\" width=\"1254\" height=\"292\" data-src=\"https:\/\/habrastorage.org\/getpro\/habr\/upload_files\/791\/378\/253\/79137825321974f5b792793dde8a438e.png\"\/><\/p>\n<div><figcaption>\u0420\u0438\u0441. 1. \u0410\u0442\u0442\u0435\u043d\u0448\u043d \u043f\u0430\u0442\u0442\u0435\u0440\u043d\u044b<\/figcaption><\/div>\n<\/figure>\n<\/li>\n<\/ul>\n<h2>\u041a\u0430\u043a \u044f \u0434\u0435\u043b\u0430\u043b \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e<\/h2>\n<p>\u041d\u0435 \u0438\u043c\u0435\u044f \u0436\u0435\u043b\u0430\u043d\u0438\u044f \u0432\u043e\u0437\u0438\u0442\u044c\u0441\u044f \u0441 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435\u043c \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u0441 \u043d\u0443\u043b\u044f, \u044f \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u043b \u043f\u0440\u043e\u044f\u0432\u0438\u0442\u044c \u0442\u0432\u043e\u0440\u0447\u0435\u0441\u043a\u0438\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 \u0438 \u043f\u0435\u0440\u0435\u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0443\u0436\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430, \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u0432 \u0438\u0445 \u043f\u043e\u0434 \u0434\u043b\u0438\u043d\u043d\u044b\u0435 \u0442\u0435\u043a\u0441\u0442\u044b. \u0412 \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u043c \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0438 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u0435\u0441\u0442\u044c <a href=\"https:\/\/github.com\/allenai\/longformer\/blob\/master\/scripts\/convert_model_to_long.ipynb\">\u043d\u043e\u0443\u0442\u0431\u0443\u043a <\/a>\u0441 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u043c \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0430\u0446\u0438\u0438 \u0440\u043e\u0431\u0435\u0440\u0442\u044b \u0432 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 (\u043f\u0440\u0430\u0432\u0434\u0430 \u043e\u043d \u0441\u0434\u0435\u043b\u0430\u043d \u043f\u043e\u0434 transformers==3.0.2, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u043f\u043e\u0432\u043e\u0437\u0438\u0442\u044c\u0441\u044f, \u0447\u0442\u043e\u0431\u044b \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u0434 4.2.0+ \u0432\u0435\u0440\u0441\u0438\u044e).<\/p>\n<p>\u041e\u0431\u0449\u0430\u044f \u0438\u0434\u0435\u044f:<\/p>\n<ol>\n<li>\n<p>\u0418\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043d\u043e\u0432\u044b\u0439 \u043a\u043b\u0430\u0441\u0441 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u0441 \u0442\u0430\u043a\u0438\u043c\u0438 \u0436\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u043c\u0438, \u043a\u0430\u043a \u0443 \u0440\u043e\u0431\u0435\u0440\u0442\u044b (\u0442\u0430\u043c, \u0433\u0434\u0435 \u043e\u043d\u0438 \u043e\u0431\u0449\u0438\u0435).<\/p>\n<pre><code class=\"python\">roberta_model = RobertaForMaskedLM.from_pretrained('ai-forever\/ruRoberta-large') roberta_config = roberta_model.config longformer_config = LongformerConfig.from_pretrained(         \"allenai\/longformer-large-4096\",         attention_window=512,         hidden_size=roberta_config.hidden_size,         num_hidden_layers=roberta_config.num_hidden_layers,         num_attention_heads=roberta_config.num_attention_heads,         intermediate_size=roberta_config.intermediate_size,         hidden_act=roberta_config.hidden_act,         hidden_dropout_prob=roberta_config.hidden_dropout_prob,         attention_probs_dropout_prob=roberta_config.attention_probs_dropout_prob,         max_position_embeddings=4098,         type_vocab_size=roberta_config.type_vocab_size,         initializer_range=roberta_config.initializer_range,         layer_norm_eps=roberta_config.layer_norm_eps,         gradient_checkpointing=roberta_config.gradient_checkpointing,         pad_token_id=roberta_config.pad_token_id     )  longformer_model = LongformerForMaskedLM(longformer_config)<\/code><\/pre>\n<\/li>\n<li>\n<p>\u0420\u0430\u0441\u0448\u0438\u0440\u0438\u0442\u044c \u043f\u043e\u0437\u0438\u0448\u043d \u044d\u043d\u043a\u043e\u0434\u0438\u043d\u0433 \u0440\u043e\u0431\u0435\u0440\u0442\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u043f\u0435\u0440\u0435\u043a\u043e\u043f\u0438\u0440\u043e\u0432\u0430\u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0439 <em>position_embedding<\/em> \u043d\u0430 \u043f\u043e\u0437\u0438\u0446\u0438\u0438 \u0432\u044b\u0448\u0435 512 \u0434\u0440\u0443\u0433 \u0437\u0430 \u0434\u0440\u0443\u0433\u043e\u043c &#8212; \u0430\u0432\u0442\u043e\u0440\u044b \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439 <a href=\"https:\/\/arxiv.org\/abs\/2004.05150\">\u0441\u0442\u0430\u0442\u044c\u0438<\/a> \u0443\u0442\u0432\u0435\u0440\u0436\u0434\u0430\u044e\u0442, \u0447\u0442\u043e \u044d\u0442\u043e \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u0439 \u0441\u043f\u043e\u0441\u043e\u0431.<\/p>\n<pre><code class=\"python\">config = longformer_model.config tokenizer = RobertaTokenizerFast.from_pretrained(\"ai-forever\/ruRoberta-large\", model_max_length=4096) tokenizer.model_max_length = config.max_position_embeddings-2 tokenizer.init_kwargs['model_max_length'] = config.max_position_embeddings-2  current_max_pos, embed_size = roberta_model.roberta.embeddings.position_embeddings.weight[:512,:].shape  new_pos_embed = longformer_model.longformer.embeddings.position_embeddings.weight new_pos_embed.requires_grad=False  k = 2 step = current_max_pos  while k &lt; config.max_position_embeddings-1:     new_pos_embed[k:(k + step)] = roberta_model.roberta.embeddings.position_embeddings.weight[:512]     k += step      roberta_model.roberta.embeddings.position_embeddings.weight.data = new_pos_embed roberta_model.roberta.embeddings.position_ids.data = torch.tensor([i for i in range(config.max_position_embeddings)]).reshape(1, config.max_position_embeddings)<\/code><\/pre>\n<\/li>\n<li>\n<p>\u041f\u043e\u043c\u0435\u0441\u0442\u0438\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0432\u0435\u0441\u0430 \u0440\u043e\u0431\u0435\u0440\u0442\u044b \u0432 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0435 \u0441\u043b\u043e\u0438 \u0432 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0435.<\/p>\n<pre><code class=\"python\">longformer_model.longformer.load_state_dict(roberta_model.roberta.state_dict(), strict=False) longformer_model.lm_head.load_state_dict(roberta_model.lm_head.state_dict(), strict=False)<\/code><\/pre>\n<\/li>\n<li>\n<p>\u041f\u0435\u0440\u0435\u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0432\u0435\u0441\u0430 <em>attention<\/em> (<em>query, key, value<\/em>) \u0434\u043b\u044f \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0430\u0442\u0442\u0435\u043d\u0448\u043d\u0430.<\/p>\n<pre><code class=\"python\">import copy for i, (roberta_layer, longformer_layer) in enumerate(zip(roberta_model.roberta.encoder.layer, longformer_model.longformer.encoder.layer)):     longformer_layer.attention.self.query_global = copy.deepcopy(roberta_layer.attention.self.query)     longformer_layer.attention.self.key_global = copy.deepcopy(roberta_layer.attention.self.key)     longformer_layer.attention.self.value_global = copy.deepcopy(roberta_layer.attention.self.value)<\/code><\/pre>\n<\/li>\n<li>\n<p>\u0414\u043e\u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043f\u043e\u043b\u0443\u0447\u0438\u0432\u0448\u0443\u044e\u0441\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 Masked Language Modeling \u0437\u0430\u0434\u0430\u0447\u0435.<\/p>\n<\/li>\n<\/ol>\n<p>\u0412\u0441\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0438 \u043d\u0438\u043a\u0430\u043a\u043e\u0439 \u043e\u0441\u043e\u0431\u043e\u0439 \u043c\u0430\u0433\u0438\u0438. \u041e\u0434\u043d\u0430\u043a\u043e \u044f \u0440\u0435\u0448\u0438\u043b \u043f\u043e\u0439\u0442\u0438 \u0434\u0430\u043b\u044c\u0448\u0435. <\/p>\n<p>\u0414\u0435\u043b\u043e \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 \u0441\u043e\u0437\u0434\u0430\u0435\u0442\u0441\u044f \u0438\u0437 \u0440\u043e\u0431\u0435\u0440\u0442\u044b \u0438 \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u0435\u0440\u0441\u0438\u0438 base \u0438 large. \u041e\u0434\u043d\u0430\u043a\u043e \u044d\u0442\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u0431\u0443\u0434\u0443\u0442 \u043d\u0435 \u043e\u0447\u0435\u043d\u044c \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u044b \u043d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435 \u0432 \u0441\u0438\u043b\u0443 \u0441\u0432\u043e\u0435\u0433\u043e \u0432\u043d\u0443\u0448\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430 (large-\u0432\u0435\u0440\u0441\u0438\u044f \u0437\u0430\u043d\u0438\u043c\u0430\u043b\u0430 \u043f\u043e\u0440\u044f\u0434\u043a\u0430 38Gb \u0432\u0438\u0434\u0435\u043e\u043f\u0430\u043c\u044f\u0442\u0438 \u043e\u0431\u0443\u0447\u0430\u044f\u0441\u044c \u043d\u0430 \u0432\u0435\u043a\u0442\u043e\u0440\u0430\u0445 \u0432 4096 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0434\u043b\u0438\u043d\u043e\u0439, \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 base \u0441\u043e \u0441\u043a\u0440\u0438\u043f\u043e\u043c \u0432\u043b\u0435\u0437\u0430\u043b\u043e \u043d\u0430 16Gb \u043a\u0430\u0440\u0442\u043e\u0447\u043a\u0443 \u0432 <em>fp16<\/em>). \u0418 \u044f \u043f\u043e\u0434\u0443\u043c\u0430\u043b: &#171;\u0410 \u043f\u043e\u0447\u0435\u043c\u0443 \u0431\u044b \u043d\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0442\u0430\u0439\u043d\u0438 \u0432\u0435\u0440\u0441\u0438\u044e, \u0432\u0435\u0434\u044c \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u0442\u0430\u043a\u043e\u0439 \u0437\u0430\u043c\u0435\u0447\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0439 <a href=\"https:\/\/huggingface.co\/cointegrated\/rubert-tiny2\">rubert-tiny2<\/a>&#171;. \u041e\u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c, \u0447\u0442\u043e \u0435\u0435, \u0441 \u043f\u0430\u0440\u043e\u0439 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u0441\u0442\u0440\u043e\u0447\u0435\u043a \u043a\u043e\u0434\u0430, \u0442\u0430\u043a\u0436\u0435 \u043d\u0435\u0441\u043b\u043e\u0436\u043d\u043e \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u0434 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442. \u041d\u043e \u0438 \u043d\u0430 \u044d\u0442\u043e\u043c \u044f \u043d\u0435 \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u0441\u044f. \u041f\u043b\u0430\u043d\u043e\u043c\u0435\u0440\u043d\u043e \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u044f \u0434\u043b\u0438\u043d\u0443 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430, \u044f \u0434\u043e\u0448\u0435\u043b \u0434\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0432 16384 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0438 \u044d\u0442\u0443 <a href=\"https:\/\/huggingface.co\/kazzand\/ru-longformer-tiny-16384\">\u043c\u043e\u0434\u0435\u043b\u044c<\/a> \u044f \u0441\u0447\u0438\u0442\u0430\u044e \u0441\u0430\u043c\u043e\u0439 \u043f\u043e\u043b\u0435\u0437\u043d\u043e\u0439 \u0438\u0437 \u0442\u0440\u0435\u0445 \u0432\u044b\u043b\u043e\u0436\u0435\u043d\u043d\u044b\u0445 \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u044b\u0445 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u043e\u0432.<\/p>\n<p>\u041d\u043e\u0443\u0442\u0431\u0443\u043a \u0441 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0435\u043c <em>ru-longformer-tiny-16384<\/em> <a href=\"https:\/\/colab.research.google.com\/drive\/1qownYBbct6sZkP3kACXeSDijg0Q1nxBo?usp=sharing\">\u0442\u0443\u0442<\/a>.<\/p>\n<h2>MLM \u0444\u0430\u0439\u043d\u0442\u044e\u043d\u0438\u043d\u0433<\/h2>\n<p>\u0414\u043b\u044f \u0444\u0430\u0439\u043d\u0442\u044e\u043d\u0438\u043d\u0433\u0430 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u043d\u0430\u043c \u043f\u043e\u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u0441 \u0434\u043b\u0438\u043d\u043d\u044b\u043c\u0438 \u0442\u0435\u043a\u0441\u0442\u0430\u043c\u0438, \u0447\u0442\u043e\u0431\u044b \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0443\u0447\u0438\u043b\u0430\u0441\u044c \u0438\u0437\u0432\u043b\u0435\u043a\u0430\u0442\u044c \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u0438\u0437 \u0440\u0430\u0441\u0448\u0438\u0440\u0435\u043d\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430. \u042f \u0440\u0435\u0448\u0438\u043b \u0432\u0435\u043b\u043e\u0441\u0438\u043f\u0435\u0434 \u043d\u0435 \u0438\u0437\u043e\u0431\u0440\u0435\u0442\u0430\u0442\u044c \u0438 \u0441\u043e\u0431\u0440\u0430\u0442\u044c \u0441\u0432\u043e\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u0438\u0437 \u0433\u043e\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043c\u043f\u043e\u0432 \u0412\u0438\u043a\u0438\u043f\u0435\u0434\u0438\u0438, \u043d\u043e\u0432\u043e\u0441\u0442\u0435\u0439, \u0432\u044b\u0433\u0440\u0443\u0437\u043a\u0438 \u043f\u043e\u0441\u0442\u043e\u0432 \u0441 Habr \u0438 \u043a\u043e\u0440\u043f\u0443\u0441\u0430 \u0440\u0443\u0441\u0441\u043a\u0438\u0445 \u043a\u043d\u0438\u0433, \u043e\u0442\u0441\u0435\u043a\u0430\u044f \u0442\u0435\u043a\u0441\u0442\u044b \u043a\u043e\u0440\u043e\u0447\u0435 10000 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u041f\u043e\u043b\u0443\u0447\u0438\u043b\u0441\u044f \u0444\u0430\u0439\u043b\u0438\u043a \u0440\u0430\u0437\u043c\u0435\u0440\u043e\u043c 2.5Gb \u0438 \u0434\u043b\u0438\u043d\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0432 200M \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u041d\u0443 \u0438 \u0435\u0449\u0435 \u043e\u0434\u0438\u043d \u0444\u0430\u0439\u043b\u0438\u043a \u043f\u043e\u043c\u0435\u043d\u044c\u0448\u0435 \u0434\u043b\u044f \u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u0438. <\/p>\n<p>\u041a\u0430\u043a \u043f\u043e\u0434\u0441\u043a\u0430\u0437\u0430\u043b \u0437\u0434\u0440\u0430\u0432\u044b\u0439 \u0441\u043c\u044b\u0441\u043b \u0438 \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0434\u0438\u043b\u0438 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u044b, \u0432\u043e \u0432\u0440\u0435\u043c\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043b\u043e\u0433\u0438\u0447\u043d\u043e \u0437\u0430\u043c\u043e\u0440\u043e\u0437\u0438\u0442\u044c \u0432\u0441\u0435 \u0432\u0435\u0441\u0430 \u043c\u043e\u0434\u0435\u043b\u0438, \u043a\u0440\u043e\u043c\u0435 \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u044b\u0445 \u0430\u0442\u0442\u0435\u043d\u0448\u043d\u043e\u0432 \u0438 \u043f\u043e\u0437\u0438\u0448\u043d \u044d\u043d\u043a\u043e\u0434\u0438\u043d\u0433\u0430, \u0442\u0430\u043a \u043a\u0430\u043a \u0432\u0435\u0441\u0430 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438 \u0442\u0430\u043a \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u044b (\u043a\u0440\u043e\u043c\u0435 roberta-base, \u0435\u0451 \u043a\u0430\u043a \u0440\u0430\u0437 \u0434\u043e\u0442\u044e\u043d\u0438\u0432\u0430\u043b \u0441\u043e \u0432\u0441\u0435\u043c\u0438 \u0440\u0430\u0437\u043c\u043e\u0440\u043e\u0436\u0435\u043d\u043d\u044b\u043c\u0438 \u0432\u0435\u0441\u0430\u043c\u0438 \u0438 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u043b\u0443\u0447\u0448\u0438\u043b \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u043d\u0430 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445). \u0424\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0435\u0442\u0430\u043f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u043b \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\">training_args = TrainingArguments(     output_dir=\".\/longformer_mlm\",     overwrite_output_dir=True,     do_eval=True,     do_predict=True,     fp16=False,     gradient_checkpointing = True,     num_train_epochs=2,     per_device_train_batch_size=1,     per_device_eval_batch_size=1,     gradient_accumulation_steps=8,     learning_rate=6*1e-4,     optim=\"adafactor\",     warmup_ratio=0.2,     save_steps=100,     save_total_limit=2,     evaluation_strategy=\"steps\",     prediction_loss_only=True,     logging_steps=10 )<\/code><\/pre>\n<p>\u0412\u043e\u043e\u0431\u0449\u0435 \u044d\u0442\u043e \u043e\u0431\u044b\u0447\u043d\u043e\u0435 \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 MLM \u0437\u0430\u0434\u0430\u0447\u0435, \u043d\u043e \u0435\u0441\u0442\u044c \u043f\u0430\u0440\u0430 \u043d\u044e\u0430\u043d\u0441\u043e\u0432:<\/p>\n<ol>\n<li>\n<p> \u041a\u0430\u0441\u0442\u043e\u043c\u043d\u044b\u0439 <em>DataCollator<\/em>, \u0432 \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0433\u043b\u043e\u0431\u0430\u043b \u0430\u0442\u0442\u0435\u043d\u0448\u043d, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u0431\u044a\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0432\u0441\u0435\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 [MASK].<\/p>\n<pre><code class=\"python\">class DataCollatorWithGlobalAttention(DataCollatorForLanguageModeling):     def __call__(self, examples):         batch = super().__call__(examples)         global_attention_mask = [             [1 if token_id == tokenizer.mask_token_id else 0 for token_id in input_ids]             for input_ids in batch[\"input_ids\"]         ]          global_attention_mask = [             mask if any(mask) else [1] + [0]*(len(mask)-1)             for mask in global_attention_mask         ]          batch[\"global_attention_mask\"] = torch.tensor(global_attention_mask)         return batch<\/code><\/pre>\n<\/li>\n<li>\n<p>\u0412\u043e \u0432\u0440\u0435\u043c\u044f \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u043d\u0430 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u043c \u044d\u0442\u0430\u043f\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043b\u043e\u0441\u0441 \u043d\u0430\u0447\u0438\u043d\u0430\u043b \u0440\u0430\u0441\u0445\u043e\u0434\u0438\u0442\u044c\u0441\u044f, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u044f \u043f\u0440\u0438\u0448\u0435\u043b \u043a \u0432\u044b\u0432\u043e\u0434\u0443, \u0447\u0442\u043e \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0442\u044e\u043d\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u0441\u043c\u0435\u0441\u0438 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0438 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u044b\u0439 \u043a\u043b\u0430\u0441\u0441 Dataset \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\">class LargeTextDataset(Dataset):     # for 16k tokens set CONTEXT_LEN = 80k symbols      def __init__(self, text_file_path, tokenizer, max_sequence_length):         self.max_sequence_length = max_sequence_length         with open(text_file_path, \"r\") as file:             self.large_text = file.read()         self.tokenizer = tokenizer      def __len__(self):         return len(self.large_text) \/\/ self.max_sequence_length      def __getitem__(self, idx):         if random.randint(0,3) > 0: #33.3% short texts             max_length = self.max_sequence_length         else:             max_length = random.randint(312, self.max_sequence_length) #312 min length          start = random.randint(0, len(self.large_text) - self.max_sequence_length)         end = start + max_length         start = random.randint(0, len(self.large_text) - self.max_sequence_length)         end = start + self.max_sequence_length         chunk = self.large_text[start:end]         tokens = self.tokenizer(chunk, truncation=True, padding='max_length', max_length=CONTEXT_LEN)         return tokens<\/code><\/pre>\n<\/li>\n<\/ol>\n<h2>\u0411\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0438<\/h2>\n<p>\u0422\u0430\u043a \u043a\u0430\u043a \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u0438\u0434\u0435\u0435\u0439 \u0431\u044b\u043b\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c, \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0443\u044e \u043f\u043e\u0434 \u0434\u043b\u0438\u043d\u043d\u044b\u0435 \u0442\u0435\u043a\u0441\u0442\u044b, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u0442\u0430\u043a\u0436\u0435 \u043d\u0435 \u0438\u0441\u043f\u043e\u0440\u0442\u0438\u0442\u0441\u044f \u043f\u0440\u0438 \u0440\u0430\u0431\u043e\u0442\u0435 \u0441 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u043c\u0438, \u0442\u043e \u043b\u043e\u0433\u0438\u0447\u043d\u043e, \u0447\u0442\u043e \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0442\u044c \u043f\u0435\u0440\u0444\u043e\u043c\u0430\u043d\u0441 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0443\u0436\u043d\u043e \u043a\u0430\u043a \u043d\u0430 \u0434\u043b\u0438\u043d\u043d\u043e\u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445, \u0442\u0430\u043a \u0438 \u043d\u0430 \u043e\u0431\u044b\u0447\u043d\u044b\u0445.<\/p>\n<p>\u0421 \u043e\u0431\u044b\u0447\u043d\u044b\u043c\u0438 \u043f\u0440\u043e\u0431\u043b\u0435\u043c \u043d\u0435 \u0432\u043e\u0437\u043d\u0438\u043a\u043b\u043e, \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440, \u0441\u0434\u0435\u043b\u0430\u043d\u043d\u044b\u0439 \u0438\u0437 \u0442\u0430\u0439\u043d\u0438\u0431\u0435\u0440\u0442\u0430 \u0438\u043c\u0435\u0435\u0442 \u0441\u043c\u044b\u0441\u043b \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0442\u044c \u0441 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c\u0438 \u0441\u0430\u043c\u043e\u0433\u043e \u0442\u0430\u0439\u043d\u0438\u0431\u0435\u0440\u0442\u0430, \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u043d\u044f\u0442\u044c, \u0447\u0442\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0438\u0441\u043f\u043e\u0440\u0442\u0438\u043b\u0430\u0441\u044c. \u042f \u043f\u0440\u043e\u0433\u043d\u0430\u043b \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u043a\u0443\u0447\u0435 \u0437\u0430\u0434\u0430\u0447 \u0438\u0437 \u044d\u0442\u043e\u0433\u043e <a href=\"https:\/\/habr.com\/ru\/articles\/669674\/\">\u043f\u043e\u0441\u0442\u0430<\/a> \u0438 \u043f\u0440\u0438\u0432\u0435\u043b \u043d\u0438\u0436\u0435 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0438\u0442\u043e\u0433\u043e\u0432\u044b\u0445 \u043c\u0435\u0442\u0440\u0438\u043a:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\"><strong>TASK<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">ru-longformer-tiny-16384<\/p>\n<\/td>\n<td>\n<p align=\"left\">rubert-tiny2<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">STSB<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.760<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.757<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">Paraphraser<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.647<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.648<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">NLI<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.416<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.415<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">Sentiment Analisys<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.739<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.736<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">Toxicity identification<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.938<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.936<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">Inappropriateness<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.749<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.748<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">Intents<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.755<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.756<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">IntentsX<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.626<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.636<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">FactRu<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.396<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.402<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">Rudr<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.387<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.390<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041c\u043e\u0436\u043d\u043e \u0437\u0430\u043a\u043b\u044e\u0447\u0438\u0442\u044c, \u0447\u0442\u043e \u043d\u0430 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0445 \u0442\u0435\u043a\u0441\u0442\u0430\u0445 \u043c\u043e\u0434\u0435\u043b\u044c \u043c\u044b \u043d\u0435 \u0438\u0441\u043f\u043e\u0440\u0442\u0438\u043b\u0438, \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b.<\/p>\n<p>\u0427\u0442\u043e \u043a\u0430\u0441\u0430\u0435\u0442\u0441\u044f \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432, \u044f \u043d\u0435 \u043d\u0430\u0448\u0435\u043b \u0445\u043e\u0440\u043e\u0448\u0438\u0445 \u0433\u043e\u0442\u043e\u0432\u044b\u0445 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u043e\u0432. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0440\u0435\u0448\u0438\u043b \u0432\u0437\u044f\u0442\u044c lenta-ru-news \u0434\u0430\u0442\u0430\u0441\u0435\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u043e\u0434\u0435\u0440\u0436\u0438\u0442 \u043d\u043e\u0432\u043e\u0441\u0442\u043d\u044b\u0435 \u0441\u0442\u0430\u0442\u044c\u0438, \u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u0435 \u043f\u043e \u0442\u0435\u043c\u0430\u043c, \u0438 \u0443\u0431\u0440\u0430\u0442\u044c \u0432\u0441\u0435 \u0442\u0435\u043a\u0441\u0442\u044b \u043a\u043e\u0440\u043e\u0447\u0435 512 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u041d\u0430 \u044d\u0442\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0440\u0430\u0437 (\u0441 \u0440\u0430\u0437\u043d\u044b\u043c random_state \u0432 train_test_split) \u043e\u0431\u0443\u0447\u0438\u043b <u>ru-longformer-tiny-16384<\/u> \u0432 <em>ForSequenceClassification<\/em> \u0440\u0435\u0436\u0438\u043c\u0435 \u0441 \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u044b\u043c \u0430\u0442\u0442\u0435\u043d\u0448\u043d\u043e\u043c \u0434\u043b\u044f [CLS] \u0442\u043e\u043a\u0435\u043d\u0430 \u0438 \u0435\u0433\u043e \u0438\u0441\u0445\u043e\u0434\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c &#8212; <u>rubert-tiny2<\/u>, \u0440\u0430\u0437\u0431\u0438\u0432 \u0442\u0435\u043a\u0441\u0442 \u043d\u0430 \u0447\u0430\u043d\u043a\u0438, \u043f\u043e\u043b\u0443\u0447\u0430\u044f \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u0447\u0430\u043d\u043a\u043e\u0432, \u0443\u0441\u0440\u0435\u0434\u043d\u044f\u044f \u0438\u0445 \u0438 \u0441\u043a\u0430\u0440\u043c\u043b\u0438\u0432\u0430\u044f \u0441\u0440\u0435\u0434\u043d\u0438\u0439 \u0432\u0435\u043a\u0442\u043e\u0440 \u0432 MLP. \u041c\u0435\u0442\u0440\u0438\u043a\u0438 \u043f\u043e \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u043c \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u044f\u043c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0443\u0441\u0440\u0435\u0434\u043d\u0438\u043b \u0438 \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u043b \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u043e\u0435 \u043e\u0442\u043a\u043b\u043e\u043d\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u043d\u0438\u0445:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">\n<\/td>\n<td>\n<p align=\"left\">ru-longformer-tiny-16384<\/p>\n<\/td>\n<td>\n<p align=\"left\">rubert-tiny2<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">F1 macro (avg over multiple runs)<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.771<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.748<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"234\" width=\"234\">\n<p align=\"left\">std<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.009<\/p>\n<\/td>\n<td>\n<p align=\"left\">0.017<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u0418\u0437 \u0432\u044b\u0448\u0435\u043f\u0435\u0440\u0435\u0447\u0438\u0441\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u044b\u0432\u043e\u0434, \u0447\u0442\u043e \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440, \u0431\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u0434\u043b\u0438\u043d\u043d\u043e\u043c\u0443 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0443, \u0443\u043b\u0443\u0447\u0448\u0438\u043b \u043f\u0435\u0440\u0444\u043e\u043c\u0430\u043d\u0441 \u043d\u0430 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0442\u0435\u043a\u0441\u0442\u0430\u0445 \u0438 \u0432\u0441\u0435 \u0435\u0449\u0435 \u0442\u0430\u043a \u0436\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u0435\u043d \u043d\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u0441 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u043c\u0438 \u0442\u0435\u043a\u0441\u0442\u0430\u043c\u0438, \u043a\u0430\u043a \u0438 \u0435\u0433\u043e \u0438\u0441\u0445\u043e\u0434\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c.<\/p>\n<h2>\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435<\/h2>\n<p>\u042f \u0432\u044b\u043b\u043e\u0436\u0438\u043b \u0442\u0440\u0438 \u0432\u0435\u0440\u0441\u0438\u0438 \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u043e\u0433\u043e \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430:<\/p>\n<ul>\n<li>\n<p><a href=\"https:\/\/huggingface.co\/kazzand\/ru-longformer-large-4096\">ru-longformer-large-4096<\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/huggingface.co\/kazzand\/ru-longformer-base-4096\">ru-longformer-base-4096<\/a><\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/huggingface.co\/kazzand\/ru-longformer-tiny-16384\">ru-longformer-tiny-16384<\/a><\/p>\n<\/li>\n<\/ul>\n<p>\u0411\u0435\u0437\u0443\u0441\u043b\u043e\u0432\u043d\u043e, large-\u0432\u0435\u0440\u0441\u0438\u044f, \u0438\u043c\u0435\u044f \u0441\u0438\u043b\u044c\u043d\u0443\u044e \u0438\u0441\u0445\u043e\u0434\u043d\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c, \u043f\u043e \u043f\u0435\u0440\u0444\u043e\u043c\u0430\u043d\u0441\u0443 \u043e\u043f\u0435\u0440\u0435\u0434\u0438\u0442 \u0441\u0432\u043e\u0438\u0445 &#171;\u043a\u043e\u043b\u043b\u0435\u0433&#187;, \u043e\u0434\u043d\u0430\u043a\u043e \u043e\u043d\u0430 \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0431\u043e\u043b\u044c\u0448\u0430\u044f, \u0438 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u0442\u0430\u043a\u0436\u0435 \u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0436\u0435\u043b\u0430\u0442\u044c \u043b\u0443\u0447\u0448\u0435\u0433\u043e. \u0421 \u0434\u0440\u0443\u0433\u043e\u0439 \u0441\u0442\u043e\u0440\u043e\u043d\u044b, \u043a\u0440\u043e\u0448\u0435\u0447\u043d\u044b\u0439 \u0442\u0430\u0439\u043d\u0438 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 \u0441 \u0442\u0440\u0435\u043c\u044f \u0441\u043a\u0440\u044b\u0442\u044b\u043c\u0438 \u0441\u043b\u043e\u044f\u043c\u0438 \u043d\u0435 \u043e\u0442\u0441\u0442\u0430\u0435\u0442 \u043e\u0442 \u0441\u0432\u043e\u0435\u0439 \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438, \u043d\u0430 \u043c\u043e\u0439 \u0432\u0437\u0433\u043b\u044f\u0434, \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043b\u0438\u0434\u0435\u0440\u043e\u043c \u043f\u043e \u0441\u043e\u0447\u0435\u0442\u0430\u043d\u0438\u044e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c-\u0440\u0430\u0437\u043c\u0435\u0440-\u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e.<\/p>\n<p>P.S. \u0431\u043e\u043b\u044c\u0448\u043e\u0435 \u0441\u043f\u0430\u0441\u0438\u0431\u043e \u0437\u0430 \u0446\u0435\u043d\u043d\u044b\u0435 \u0441\u043e\u0432\u0435\u0442\u044b \u0438 \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u0438 \u0430\u0432\u0442\u043e\u0440\u0443 \u0442\u0435\u043b\u0435\u0433\u0440\u0430\u043c \u043a\u0430\u043d\u0430\u043b\u0430 <a href=\"https:\/\/t.me\/abstractDL\">AbstractDL<\/a><\/p>\n<\/p>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/761116\/\"> https:\/\/habr.com\/ru\/articles\/761116\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"full-width\"><\/figure>\n<p>\u041f\u0440\u0438\u0432\u0435\u0442, \u043c\u0435\u043d\u044f \u0437\u043e\u0432\u0443\u0442 \u0410\u043d\u0434\u0440\u0435\u0439 \u041a\u0430\u0437\u043d\u0430\u0447\u0435\u0435\u0432, \u044f NLP engineer \u0432 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0438 MTS AI. \u0412 \u044d\u0442\u043e\u0439 \u0441\u0442\u0430\u0442\u044c\u0435 \u044f \u0440\u0430\u0441\u0441\u043a\u0430\u0436\u0443, \u043a\u0430\u043a \u0441\u043e\u0437\u0434\u0430\u043b \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430.\u00a0\u0412\u0441\u0435 \u043d\u0430\u0447\u0430\u043b\u043e\u0441\u044c \u0441 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u043c\u043d\u0435 \u043f\u043e\u0434\u043a\u0438\u043d\u0443\u043b\u0438 \u0437\u0430\u0434\u0430\u0447\u0443 \u043f\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0434\u0438\u0430\u043b\u043e\u0433\u043e\u0432. \u0422\u0435\u043a\u0441\u0442\u044b \u0434\u043b\u0438\u043d\u043d\u044b\u0435, \u0430 \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u043e \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438\u043c\u0435\u044e\u0442 \u0441\u0442\u0440\u043e\u0433\u043e\u0435 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u0435 \u043f\u043e \u0434\u043b\u0438\u043d\u0435 \u0432\u0445\u043e\u0434\u043d\u043e\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u0425\u043e\u0442\u0435\u043b\u043e\u0441\u044c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0440\u0435\u0448\u0435\u043d\u0438\u0435 \u0443\u043c\u043d\u0435\u0435, \u0447\u0435\u043c \u043f\u0440\u043e\u0441\u0442\u043e \u043f\u043e\u0431\u0438\u0442\u044c \u0442\u0435\u043a\u0441\u0442 \u043d\u0430 \u043a\u0443\u0441\u043a\u0438, \u043e\u0434\u043d\u0430\u043a\u043e \u043d\u0438\u0447\u0435\u0433\u043e \u0433\u043e\u0442\u043e\u0432\u043e\u0433\u043e \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430 \u043d\u0435 \u043d\u0430\u0448\u0435\u043b. \u0422\u043e\u0433\u0434\u0430 \u044f \u0437\u0430\u0434\u0443\u043c\u0430\u043b\u0441\u044f, \u0430 \u0442\u0430\u043a \u043b\u0438 \u0441\u043b\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0441\u0432\u043e\u044e \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u0443\u044e \u0432\u0435\u0440\u0441\u0438\u044e \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u043f\u043e\u0434 \u0440\u0443\u0441\u0441\u043a\u0438\u0439 \u044f\u0437\u044b\u043a? \u041e\u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c, \u0441\u043e\u0432\u0441\u0435\u043c \u043d\u0435 \u0441\u043b\u043e\u0436\u043d\u043e.<\/p>\n<h2>\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430<\/h2>\n<p>\u041b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 &#8212; \u043c\u043e\u0434\u0435\u043b\u044c, \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u0430\u044f \u043d\u0430 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0435 Transformer, \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432. \u041d\u0438 \u0434\u043b\u044f \u043a\u043e\u0433\u043e \u043d\u0435 \u0441\u0435\u043a\u0440\u0435\u0442, \u0447\u0442\u043e \u0432 \u0441\u0438\u043b\u0443 <em>O(n<sup>2<\/sup>)<\/em> \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u043c\u0430\u0442\u0440\u0438\u0446\u044b \u0430\u0442\u0442\u0435\u043d\u0448\u043d\u0430, \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0435 <em>transformer-based<\/em> \u043c\u043e\u0434\u0435\u043b\u0438 (<em>BERT<\/em>, <em>RoBERTa<\/em>, \u0438 \u0442.\u0434.) \u0438\u043c\u0435\u044e\u0442 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 (\u0447\u0430\u0449\u0435 \u0432\u0441\u0435\u0433\u043e 512 \u0442\u043e\u043a\u0435\u043d\u043e\u0432). \u0410\u0432\u0442\u043e\u0440\u044b \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0442\u0440\u044e\u043a\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0441\u043d\u0438\u0437\u0438\u043b\u0438 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u0434\u043e <em>O(n)<\/em>:<\/p>\n<ul>\n<li>\n<p><strong>Sliding window<\/strong><br \/>\u0412 \u0442\u043e \u0432\u0440\u0435\u043c\u044f \u043a\u0430\u043a \u043e\u0431\u044b\u0447\u043d\u044b\u0439 \u0430\u0442\u0442\u0435\u043d\u0448\u043d \u043f\u0435\u0440\u0435\u043c\u043d\u043e\u0436\u0430\u0435\u0442 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u043f\u043e \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0443 &#171;\u0432\u0441\u0435 \u043d\u0430 \u0432\u0441\u0435&#187; (\u0420\u0438\u0441. 1a), \u0432 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u0441\u043a\u043e\u043b\u044c\u0437\u044f\u0449\u0435\u0435 \u043e\u043a\u043d\u043e \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430 <em>w<\/em> (\u043e\u0431\u044b\u0447\u043d\u043e \u044d\u0442\u043e 512), \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f <em>O(n x w)<\/em> (\u0420\u0438\u0441. 1b).<\/p>\n<\/li>\n<li>\n<p><strong>Dilated sliding window<\/strong><br \/>\u041c\u043e\u0436\u043d\u043e \u0432 \u0430\u0442\u0442\u0435\u043d\u0448\u043d \u043f\u0430\u0442\u0442\u0435\u0440\u043d \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043a\u0438 (<em>gap<\/em>) \u043f\u043e \u0430\u043d\u0430\u043b\u043e\u0433\u0438\u0438 \u0441 <em>dilated-CNN<\/em>. \u0415\u0441\u043b\u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c <em>gap<\/em> \u0440\u0430\u0437\u043c\u0435\u0440\u0430 <em>d<\/em>, \u0434\u043b\u044f \u0434\u043b\u044f \u0441\u043b\u043e\u044f <em>l<\/em> <em>receptive field<\/em> \u0431\u0443\u0434\u0435\u0442 \u0440\u0430\u0437\u043c\u0435\u0440\u0430 <em>l x d x w<\/em> (\u0420\u0438\u0441. 1\u0441). \u0412 <em>multi-head attention<\/em> \u0434\u043b\u044f \u0440\u0430\u0437\u043d\u044b\u0445 \u0433\u043e\u043b\u043e\u0432 \u0437\u0430\u0434\u0430\u044e\u0442 \u0440\u0430\u0437\u043d\u043e\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 <em>d<\/em> (\u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u043c 0). \u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0438\u043c \u0443\u0447\u0438\u0442\u044c \u0440\u0430\u0437\u043d\u0443\u044e \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e: \u043a\u0430\u043a\u0438\u0435-\u0442\u043e \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0438\u0440\u0443\u044e\u0442\u0441\u044f \u043d\u0430 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435, \u043a\u0430\u043a\u0438\u0435-\u0442\u043e \u043d\u0430 \u0434\u0430\u043b\u044c\u043d\u0435\u043c.<\/p>\n<\/li>\n<li>\n<p><strong>Global attention<\/strong><br \/>\u041e\u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c, \u0447\u0442\u043e <em>dilated<\/em> \u0438 <em>sliding<\/em> \u0430\u0442\u0442\u0435\u043d\u0448\u043d \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0433\u0438\u0431\u043e\u043a \u0434\u043b\u044f \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447: MLM \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043d\u0430 \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u0434\u043b\u044f \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u044f \u043c\u0430\u0441\u043a\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430, \u0434\u043b\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u0432\u0441\u044f \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f \u043e \u0442\u0435\u043a\u0441\u0442\u0435 \u0430\u0433\u0440\u0435\u0433\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u0432 \u043e\u0434\u0438\u043d [CLS] \u0442\u043e\u043a\u0435\u043d, \u043f\u043e \u043a\u043e\u0442\u043e\u0440\u043e\u043c\u0443 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0430\u043d\u0438\u0435, \u0434\u043b\u044f QA \u043e\u0442\u0432\u0435\u0442 \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441 \u0438\u0449\u0435\u0442\u0441\u044f \u0432 \u043a\u043e\u043d\u043a\u0430\u0442\u0435\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u043c \u0442\u0435\u043a\u0441\u0442\u0435. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0431\u044b\u043b\u043e \u0440\u0435\u0448\u0435\u043d\u043e \u0434\u043b\u044f \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0437\u0430\u0440\u0430\u043d\u0435\u0435 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u044b\u0439 \u0430\u0442\u0442\u0435\u043d\u0448\u043d &#8212; \u043e\u043d\u0438 \u0432\u0438\u0434\u044f\u0442 \u0432\u0441\u0435 \u0442\u043e\u043a\u0435\u043d\u044b \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u0414\u043b\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0439 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u044d\u0442\u043e [CLS] \u0442\u043e\u043a\u0435\u043d, \u0434\u043b\u044f MLM &#8212; [MASK] &#8212; \u0442\u043e\u043a\u0435\u043d, \u0434\u043b\u044f QA &#8212; \u0442\u043e\u043a\u0435\u043d\u044b \u0432\u043e\u043f\u0440\u043e\u0441\u0430. \u0412 \u0441\u0438\u043b\u0443 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u044d\u0442\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043a\u043e\u043d\u0441\u0442\u0430\u043d\u0442\u043d\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e, \u043e\u0431\u0449\u0430\u044f \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439 \u043e\u0441\u0442\u0430\u0435\u0442\u0441\u044f \u043b\u0438\u043d\u0435\u0439\u043d\u043e\u0439.<\/p>\n<figure class=\"full-width\">\n<div><figcaption>\u0420\u0438\u0441. 1. \u0410\u0442\u0442\u0435\u043d\u0448\u043d \u043f\u0430\u0442\u0442\u0435\u0440\u043d\u044b<\/figcaption><\/div>\n<\/figure>\n<\/li>\n<\/ul>\n<h2>\u041a\u0430\u043a \u044f \u0434\u0435\u043b\u0430\u043b \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e<\/h2>\n<p>\u041d\u0435 \u0438\u043c\u0435\u044f \u0436\u0435\u043b\u0430\u043d\u0438\u044f \u0432\u043e\u0437\u0438\u0442\u044c\u0441\u044f \u0441 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435\u043c \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u0441 \u043d\u0443\u043b\u044f, \u044f \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u043b \u043f\u0440\u043e\u044f\u0432\u0438\u0442\u044c \u0442\u0432\u043e\u0440\u0447\u0435\u0441\u043a\u0438\u0439 \u043f\u043e\u0434\u0445\u043e\u0434 \u0438 \u043f\u0435\u0440\u0435\u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0443\u0436\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043b\u044f \u0440\u0443\u0441\u0441\u043a\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430, \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u0432 \u0438\u0445 \u043f\u043e\u0434 \u0434\u043b\u0438\u043d\u043d\u044b\u0435 \u0442\u0435\u043a\u0441\u0442\u044b. \u0412 \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u043c \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0438 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u0435\u0441\u0442\u044c <a href=\"https:\/\/github.com\/allenai\/longformer\/blob\/master\/scripts\/convert_model_to_long.ipynb\">\u043d\u043e\u0443\u0442\u0431\u0443\u043a <\/a>\u0441 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u043c \u043a\u043e\u043d\u0432\u0435\u0440\u0442\u0430\u0446\u0438\u0438 \u0440\u043e\u0431\u0435\u0440\u0442\u044b \u0432 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 (\u043f\u0440\u0430\u0432\u0434\u0430 \u043e\u043d \u0441\u0434\u0435\u043b\u0430\u043d \u043f\u043e\u0434 transformers==3.0.2, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u043f\u043e\u0432\u043e\u0437\u0438\u0442\u044c\u0441\u044f, \u0447\u0442\u043e\u0431\u044b \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u0434 4.2.0+ \u0432\u0435\u0440\u0441\u0438\u044e).<\/p>\n<p>\u041e\u0431\u0449\u0430\u044f \u0438\u0434\u0435\u044f:<\/p>\n<ol>\n<li>\n<p>\u0418\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043d\u043e\u0432\u044b\u0439 \u043a\u043b\u0430\u0441\u0441 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u0441 \u0442\u0430\u043a\u0438\u043c\u0438 \u0436\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430\u043c\u0438, \u043a\u0430\u043a \u0443 \u0440\u043e\u0431\u0435\u0440\u0442\u044b (\u0442\u0430\u043c, \u0433\u0434\u0435 \u043e\u043d\u0438 \u043e\u0431\u0449\u0438\u0435).<\/p>\n<pre><code class=\"python\">roberta_model = RobertaForMaskedLM.from_pretrained('ai-forever\/ruRoberta-large') roberta_config = roberta_model.config longformer_config = LongformerConfig.from_pretrained(         \"allenai\/longformer-large-4096\",         attention_window=512,         hidden_size=roberta_config.hidden_size,         num_hidden_layers=roberta_config.num_hidden_layers,         num_attention_heads=roberta_config.num_attention_heads,         intermediate_size=roberta_config.intermediate_size,         hidden_act=roberta_config.hidden_act,         hidden_dropout_prob=roberta_config.hidden_dropout_prob,         attention_probs_dropout_prob=roberta_config.attention_probs_dropout_prob,         max_position_embeddings=4098,         type_vocab_size=roberta_config.type_vocab_size,         initializer_range=roberta_config.initializer_range,         layer_norm_eps=roberta_config.layer_norm_eps,         gradient_checkpointing=roberta_config.gradient_checkpointing,         pad_token_id=roberta_config.pad_token_id     )  longformer_model = LongformerForMaskedLM(longformer_config)<\/code><\/pre>\n<\/li>\n<li>\n<p>\u0420\u0430\u0441\u0448\u0438\u0440\u0438\u0442\u044c \u043f\u043e\u0437\u0438\u0448\u043d \u044d\u043d\u043a\u043e\u0434\u0438\u043d\u0433 \u0440\u043e\u0431\u0435\u0440\u0442\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u043f\u0435\u0440\u0435\u043a\u043e\u043f\u0438\u0440\u043e\u0432\u0430\u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0439 <em>position_embedding<\/em> \u043d\u0430 \u043f\u043e\u0437\u0438\u0446\u0438\u0438 \u0432\u044b\u0448\u0435 512 \u0434\u0440\u0443\u0433 \u0437\u0430 \u0434\u0440\u0443\u0433\u043e\u043c &#8212; \u0430\u0432\u0442\u043e\u0440\u044b \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u043e\u0439 <a href=\"https:\/\/arxiv.org\/abs\/2004.05150\">\u0441\u0442\u0430\u0442\u044c\u0438<\/a> \u0443\u0442\u0432\u0435\u0440\u0436\u0434\u0430\u044e\u0442, \u0447\u0442\u043e \u044d\u0442\u043e \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u0439 \u0441\u043f\u043e\u0441\u043e\u0431.<\/p>\n<pre><code class=\"python\">config = longformer_model.config tokenizer = RobertaTokenizerFast.from_pretrained(\"ai-forever\/ruRoberta-large\", model_max_length=4096) tokenizer.model_max_length = config.max_position_embeddings-2 tokenizer.init_kwargs['model_max_length'] = config.max_position_embeddings-2  current_max_pos, embed_size = roberta_model.roberta.embeddings.position_embeddings.weight[:512,:].shape  new_pos_embed = longformer_model.longformer.embeddings.position_embeddings.weight new_pos_embed.requires_grad=False  k = 2 step = current_max_pos  while k &lt; config.max_position_embeddings-1:     new_pos_embed[k:(k + step)] = roberta_model.roberta.embeddings.position_embeddings.weight[:512]     k += step      roberta_model.roberta.embeddings.position_embeddings.weight.data = new_pos_embed roberta_model.roberta.embeddings.position_ids.data = torch.tensor([i for i in range(config.max_position_embeddings)]).reshape(1, config.max_position_embeddings)<\/code><\/pre>\n<\/li>\n<li>\n<p>\u041f\u043e\u043c\u0435\u0441\u0442\u0438\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0432\u0435\u0441\u0430 \u0440\u043e\u0431\u0435\u0440\u0442\u044b \u0432 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0435 \u0441\u043b\u043e\u0438 \u0432 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0435.<\/p>\n<pre><code class=\"python\">longformer_model.longformer.load_state_dict(roberta_model.roberta.state_dict(), strict=False) longformer_model.lm_head.load_state_dict(roberta_model.lm_head.state_dict(), strict=False)<\/code><\/pre>\n<\/li>\n<li>\n<p>\u041f\u0435\u0440\u0435\u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0432\u0435\u0441\u0430 <em>attention<\/em> (<em>query, key, value<\/em>) \u0434\u043b\u044f \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0430\u0442\u0442\u0435\u043d\u0448\u043d\u0430.<\/p>\n<pre><code class=\"python\">import copy for i, (roberta_layer, longformer_layer) in enumerate(zip(roberta_model.roberta.encoder.layer, longformer_model.longformer.encoder.layer)):     longformer_layer.attention.self.query_global = copy.deepcopy(roberta_layer.attention.self.query)     longformer_layer.attention.self.key_global = copy.deepcopy(roberta_layer.attention.self.key)     longformer_layer.attention.self.value_global = copy.deepcopy(roberta_layer.attention.self.value)<\/code><\/pre>\n<\/li>\n<li>\n<p>\u0414\u043e\u043e\u0431\u0443\u0447\u0438\u0442\u044c \u043f\u043e\u043b\u0443\u0447\u0438\u0432\u0448\u0443\u044e\u0441\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 Masked Language Modeling \u0437\u0430\u0434\u0430\u0447\u0435.<\/p>\n<\/li>\n<\/ol>\n<p>\u0412\u0441\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0438 \u043d\u0438\u043a\u0430\u043a\u043e\u0439 \u043e\u0441\u043e\u0431\u043e\u0439 \u043c\u0430\u0433\u0438\u0438. \u041e\u0434\u043d\u0430\u043a\u043e \u044f \u0440\u0435\u0448\u0438\u043b \u043f\u043e\u0439\u0442\u0438 \u0434\u0430\u043b\u044c\u0448\u0435. <\/p>\n<p>\u0414\u0435\u043b\u043e \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440 \u0441\u043e\u0437\u0434\u0430\u0435\u0442\u0441\u044f \u0438\u0437 \u0440\u043e\u0431\u0435\u0440\u0442\u044b \u0438 \u043c\u043e\u0436\u043d\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0432\u0435\u0440\u0441\u0438\u0438 base \u0438 large. \u041e\u0434\u043d\u0430\u043a\u043e \u044d\u0442\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u0431\u0443\u0434\u0443\u0442 \u043d\u0435 \u043e\u0447\u0435\u043d\u044c \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u044b \u043d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435 \u0432 \u0441\u0438\u043b\u0443 \u0441\u0432\u043e\u0435\u0433\u043e \u0432\u043d\u0443\u0448\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430 (large-\u0432\u0435\u0440\u0441\u0438\u044f \u0437\u0430\u043d\u0438\u043c\u0430\u043b\u0430 \u043f\u043e\u0440\u044f\u0434\u043a\u0430 38Gb \u0432\u0438\u0434\u0435\u043e\u043f\u0430\u043c\u044f\u0442\u0438 \u043e\u0431\u0443\u0447\u0430\u044f\u0441\u044c \u043d\u0430 \u0432\u0435\u043a\u0442\u043e\u0440\u0430\u0445 \u0432 4096 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0434\u043b\u0438\u043d\u043e\u0439, \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 base \u0441\u043e \u0441\u043a\u0440\u0438\u043f\u043e\u043c \u0432\u043b\u0435\u0437\u0430\u043b\u043e \u043d\u0430 16Gb \u043a\u0430\u0440\u0442\u043e\u0447\u043a\u0443 \u0432 <em>fp16<\/em>). \u0418 \u044f \u043f\u043e\u0434\u0443\u043c\u0430\u043b: &#171;\u0410 \u043f\u043e\u0447\u0435\u043c\u0443 \u0431\u044b \u043d\u0435 \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0442\u0430\u0439\u043d\u0438 \u0432\u0435\u0440\u0441\u0438\u044e, \u0432\u0435\u0434\u044c \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u0442\u0430\u043a\u043e\u0439 \u0437\u0430\u043c\u0435\u0447\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0439 <a href=\"https:\/\/huggingface.co\/cointegrated\/rubert-tiny2\">rubert-tiny2<\/a>&#171;. \u041e\u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c, \u0447\u0442\u043e \u0435\u0435, \u0441 \u043f\u0430\u0440\u043e\u0439 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u0441\u0442\u0440\u043e\u0447\u0435\u043a \u043a\u043e\u0434\u0430, \u0442\u0430\u043a\u0436\u0435 \u043d\u0435\u0441\u043b\u043e\u0436\u043d\u043e \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u0434 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442. \u041d\u043e \u0438 \u043d\u0430 \u044d\u0442\u043e\u043c \u044f \u043d\u0435 \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u0441\u044f. \u041f\u043b\u0430\u043d\u043e\u043c\u0435\u0440\u043d\u043e \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u044f \u0434\u043b\u0438\u043d\u0443 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430, \u044f \u0434\u043e\u0448\u0435\u043b \u0434\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0432 16384 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0438 \u044d\u0442\u0443 <a href=\"https:\/\/huggingface.co\/kazzand\/ru-longformer-tiny-16384\">\u043c\u043e\u0434\u0435\u043b\u044c<\/a> \u044f \u0441\u0447\u0438\u0442\u0430\u044e \u0441\u0430\u043c\u043e\u0439 \u043f\u043e\u043b\u0435\u0437\u043d\u043e\u0439 \u0438\u0437 \u0442\u0440\u0435\u0445 \u0432\u044b\u043b\u043e\u0436\u0435\u043d\u043d\u044b\u0445 \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u044b\u0445 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u043e\u0432.<\/p>\n<p>\u041d\u043e\u0443\u0442\u0431\u0443\u043a \u0441 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0435\u043c <em>ru-longformer-tiny-16384<\/em> <a href=\"https:\/\/colab.research.google.com\/drive\/1qownYBbct6sZkP3kACXeSDijg0Q1nxBo?usp=sharing\">\u0442\u0443\u0442<\/a>.<\/p>\n<h2>MLM \u0444\u0430\u0439\u043d\u0442\u044e\u043d\u0438\u043d\u0433<\/h2>\n<p>\u0414\u043b\u044f \u0444\u0430\u0439\u043d\u0442\u044e\u043d\u0438\u043d\u0433\u0430 \u043b\u043e\u043d\u0433\u0444\u043e\u0440\u043c\u0435\u0440\u0430 \u043d\u0430\u043c \u043f\u043e\u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u0441 \u0434\u043b\u0438\u043d\u043d\u044b\u043c\u0438 \u0442\u0435\u043a\u0441\u0442\u0430\u043c\u0438, \u0447\u0442\u043e\u0431\u044b \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0443\u0447\u0438\u043b\u0430\u0441\u044c \u0438\u0437\u0432\u043b\u0435\u043a\u0430\u0442\u044c \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u0438\u0437 \u0440\u0430\u0441\u0448\u0438\u0440\u0435\u043d\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430. \u042f \u0440\u0435\u0448\u0438\u043b \u0432\u0435\u043b\u043e\u0441\u0438\u043f\u0435\u0434 \u043d\u0435 \u0438\u0437\u043e\u0431\u0440\u0435\u0442\u0430\u0442\u044c \u0438 \u0441\u043e\u0431\u0440\u0430\u0442\u044c \u0441\u0432\u043e\u0439 \u0434\u0430\u0442\u0430\u0441\u0435\u0442 \u0438\u0437 \u0433\u043e\u0442\u043e\u0432\u044b\u0445 \u0434\u0430\u043c\u043f\u043e\u0432 \u0412\u0438\u043a\u0438\u043f\u0435\u0434\u0438\u0438, \u043d\u043e\u0432\u043e\u0441\u0442\u0435\u0439, \u0432\u044b\u0433\u0440\u0443\u0437\u043a\u0438 \u043f\u043e\u0441\u0442\u043e\u0432 \u0441 Habr \u0438 \u043a\u043e\u0440\u043f\u0443\u0441\u0430 \u0440\u0443\u0441\u0441\u043a\u0438\u0445 \u043a\u043d\u0438\u0433, \u043e\u0442\u0441\u0435\u043a\u0430\u044f \u0442\u0435\u043a\u0441\u0442\u044b \u043a\u043e\u0440\u043e\u0447\u0435 10000 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u041f\u043e\u043b\u0443\u0447\u0438\u043b\u0441\u044f \u0444\u0430\u0439\u043b\u0438\u043a \u0440\u0430\u0437\u043c\u0435\u0440\u043e\u043c 2.5Gb \u0438 \u0434\u043b\u0438\u043d\u043e\u0439 \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0432 200M \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u041d\u0443 \u0438 \u0435\u0449\u0435 \u043e\u0434\u0438\u043d \u0444\u0430\u0439\u043b\u0438\u043a \u043f\u043e\u043c\u0435\u043d\u044c\u0448\u0435 \u0434\u043b\u044f \u0432\u0430\u043b\u0438\u0434\u0430\u0446\u0438\u0438. <\/p>\n<p>\u041a\u0430\u043a \u043f\u043e\u0434\u0441\u043a\u0430\u0437\u0430\u043b \u0437\u0434\u0440\u0430\u0432\u044b\u0439 \u0441\u043c\u044b\u0441\u043b \u0438 \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0434\u0438\u043b\u0438 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u044b, \u0432\u043e \u0432\u0440\u0435\u043c\u044f \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043b\u043e\u0433\u0438\u0447\u043d\u043e \u0437\u0430\u043c\u043e\u0440\u043e\u0437\u0438\u0442\u044c \u0432\u0441\u0435 \u0432\u0435\u0441\u0430 \u043c\u043e\u0434\u0435\u043b\u0438, \u043a\u0440\u043e\u043c\u0435 \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u044b\u0445 \u0430\u0442\u0442\u0435\u043d\u0448\u043d\u043e\u0432 \u0438 \u043f\u043e\u0437\u0438\u0448\u043d \u044d\u043d\u043a\u043e\u0434\u0438\u043d\u0433\u0430, \u0442\u0430\u043a \u043a\u0430\u043a \u0432\u0435\u0441\u0430 \u043f\u0440\u0435\u0434\u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438 \u0442\u0430\u043a \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u044b (\u043a\u0440\u043e\u043c\u0435 roberta-base, \u0435\u0451 \u043a\u0430\u043a \u0440\u0430\u0437 \u0434\u043e\u0442\u044e\u043d\u0438\u0432\u0430\u043b \u0441\u043e \u0432\u0441\u0435\u043c\u0438 \u0440\u0430\u0437\u043c\u043e\u0440\u043e\u0436\u0435\u043d\u043d\u044b\u043c\u0438 \u0432\u0435\u0441\u0430\u043c\u0438 \u0438 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u043b\u0443\u0447\u0448\u0438\u043b \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u043d\u0430 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445). \u0424\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0435\u0442\u0430\u043f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u043b \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\">training_args = TrainingArguments(     output_dir=\".\/longformer_mlm\",     overwrite_output_dir=True,     do_eval=True,     do_predict=True,     fp16=False,     gradient_checkpointing = True,     num_train_epochs=2,     per_device_train_batch_size=1,     per_device_eval_batch_size=1,     gradient_accumulation_steps=8,     learning_rate=6*1e-4,     optim=\"adafactor\",     warmup_ratio=0.2,     save_steps=100,     save_total_limit=2,     evaluation_strategy=\"steps\",     prediction_loss_only=True,     logging_steps=10 )<\/code><\/pre>\n<p>\u0412\u043e\u043e\u0431\u0449\u0435 \u044d\u0442\u043e \u043e\u0431\u044b\u0447\u043d\u043e\u0435 \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 MLM \u0437\u0430\u0434\u0430\u0447\u0435, \u043d\u043e \u0435\u0441\u0442\u044c \u043f\u0430\u0440\u0430 \u043d\u044e\u0430\u043d\u0441\u043e\u0432:<\/p>\n<ol>\n<li>\n<p> \u041a\u0430\u0441\u0442\u043e\u043c\u043d\u044b\u0439 <em>DataCollator<\/em>, \u0432 \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0433\u043b\u043e\u0431\u0430\u043b \u0430\u0442\u0442\u0435\u043d\u0448\u043d, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u0431\u044a\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0432\u0441\u0435\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 [MASK].<\/p>\n<pre><code class=\"python\">class DataCollatorWithGlobalAttention(DataCollatorForLanguageModeling):     def __call__(self, examples):         batch = super().__call__(examples)         global_attention_mask = [             [1 if token_id == tokenizer.mask_token_id else 0 for token_id in input_ids]             for input_ids in batch[\"input_ids\"]         ]          global_attention_mask = [             mask if any(mask) else [1] + [0]*(len(mask)-1)             for mask in global_attention_mask         ]          batch[\"global_attention_mask\"] = torch.tensor(global_attention_mask)         return batch<\/code><\/pre>\n<\/li>\n<li>\n<p>\u0412\u043e \u0432\u0440\u0435\u043c\u044f \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u043d\u0430 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u043c \u044d\u0442\u0430\u043f\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043b\u043e\u0441\u0441 \u043d\u0430\u0447\u0438\u043d\u0430\u043b \u0440\u0430\u0441\u0445\u043e\u0434\u0438\u0442\u044c\u0441\u044f, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u044f \u043f\u0440\u0438\u0448\u0435\u043b \u043a \u0432\u044b\u0432\u043e\u0434\u0443, \u0447\u0442\u043e \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u0442\u044e\u043d\u0438\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430 \u0441\u043c\u0435\u0441\u0438 \u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0438 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043a\u0430\u0441\u0442\u043e\u043c\u043d\u044b\u0439 \u043a\u043b\u0430\u0441\u0441 Dataset \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a:<\/p>\n<pre><code class=\"python\">class LargeTextDataset(Dataset):     # for 16k tokens set CONTEXT_LEN = 80k symbols      def __init__(self, text_file_path, tokenizer, max_sequence_length):         self.max_sequence_length = max_sequence_length         with open(text_file_path, \"r\") as file:             self.large_text = file.read()         self.tokenizer = tokenizer      def __len__(self):         return len(self.large_text) \/\/ self.max_sequence_length      def __getitem__(self, idx):         if random.randint(0,3) > 0: #33.3% short texts             max_length = self.max_sequence_length         else:             max_length = random.randint(312, self.max_sequence_length) #312 min length          start = random.randint(0, len(self.large_text) - self.max_sequence_length)         end = start + max_length         start = random.randint(0, len(self.large_text) - self.max_sequence_length)         end =<\/code><\/pre>\n<\/li>\n<\/ol>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-354918","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/354918","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=354918"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/354918\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=354918"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=354918"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=354918"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}