성능저하.

원래의 모델은 높은 정확도로, 문제 없이 사용 가능한 BERT 모델이였다.
하지만, 이 모델을 모바일에 탑제하기 위해 모바일 벌트를 활용하고,
ONNX로 변환하여 사용하였다.
벌거 아닌 수정내용 같지만, 이 과정을 이행하는 중 엄청난 성능저하를 경험했다.
정확도가 50%아래로 내려오는, 지도학습을 한게 맞나 싶을 정도의 결과가 나왔다.
이러한 성능 저하가 발생한 원인을 추려보면, 당연히 베이스가 되는 모델을 BERT에서 MobileBERT로 교체한 점이 될 것이다.
이 모델은 모바일에 최적화 되어 있지만, 그만큼 성능도 BERT에 비해 떨어진다.
이러한 경우, 모델의 성능을 올리는데 있어 엄청 흥미로운 방법이 있다.

지식 증류

이 모델을 만드는 과정에서, 나는 모바일 버젼이 아닌, 그냥 버젼의 BERT 모델 또한 만들었다.
이 BERT 모델의 경험치를 MobileBERT에게 주어 모델의 성능을 올리는 독특한 방법이 있다.

1. 준비 단계: 교사 모델과 학생 모델 정의

교사 모델

• 기존의 BERT 또는 BERT 기반의 미세 조정된(pretrained and fine-tuned) 모델을 사용한다.
• 교사 모델은 크고 성능이 높은 모델이어야 한다.

학생 모델

• MobileBERT 또는 비슷한 소형 모델을 사용한다.
• MobileBERT는 Bottleneck 구조와 Inverted Bottleneck 구조를 사용하여 효율성을 극대화 한다.

2. 손실 함수 구성

지식 증류에서는 여러 손실 함수의 조합을 사용하여 학생 모델이 교사 모델의 지식을 학습하도록 만든다.

1. Soft Label Loss (KL Divergence):
   • 교사 모델의 출력 logits을 소프트맥스와 온도 매개변수를 적용해 소프트 레이블로 변환한다.
   • 학생 모델의 출력과 교사 모델의 소프트 레이블 간의 KL Divergence를 계산한다.
     ```python import torch.nn.functional as F

   def distillation_loss(student_logits, teacher_logits, temperature): teacher_probs = F.softmax(teacher_logits / temperature, dim=1) student_probs = F.log_softmax(student_logits / temperature, dim=1) loss = F.kl_div(student_probs, teacher_probs, reduction=’batchmean’) * (temperature ** 2) return loss ```

2. Hidden State Loss:
   • 학생 모델의 각 층의 hidden states를 교사 모델과 정렬하여 학습한다.

     def hidden_state_loss(student_hidden_states, teacher_hidden_states):
       loss = sum(F.mse_loss(s, t) for s, t in zip(student_hidden_states, teacher_hidden_states))
       return loss
     

3. Attention Map Loss:
   • 어텐션 맵을 비교하여 학생 모델이 교사 모델의 어텐션 구조를 따라가도록 유도한다.

     def attention_loss(student_attentions, teacher_attentions):
       loss = sum(F.mse_loss(s, t) for s, t in zip(student_attentions, teacher_attentions))
       return loss
     

4. Task-specific Loss:
   • 모델이 수행하는 특정 작업에 대한 크로스 엔트로피 손실이다.

3. 학습 과정 설계

1. 데이터 준비:
   • 지식 증류에는 대량의 비레이블 데이터가 유용하다.
   • 레이블 데이터와 비레이블 데이터를 혼합하여 사용하자.
2. Progressive Transfer:
   • 첫 단계: 교사 모델의 초기 층(hidden states, attention)을 먼저 증류.
   • 두 번째 단계: 더 깊은 층(hidden states, logits)으로 확장.
3. 학습 루프:

   for epoch in range(epochs):
       for batch in dataloader:
           student_outputs = student_model(**batch)
           teacher_outputs = teacher_model(**batch)
   
           # Calculate losses
           soft_label_loss = distillation_loss(student_outputs.logits, teacher_outputs.logits, temperature=4)
           hidden_loss = hidden_state_loss(student_outputs.hidden_states, teacher_outputs.hidden_states)
           attention_loss = attention_loss(student_outputs.attentions, teacher_outputs.attentions)
   
           # Combine losses
           total_loss = soft_label_loss + hidden_loss + attention_loss
   
           # Backpropagation and optimization
           optimizer.zero_grad()
           total_loss.backward()
           optimizer.step()
   

4. Pre-training Distillation

MobileBERT 논문에서는 미리 Masked Language Modeling(MLM)과 Next Sentence Prediction(NSP)을 교사 모델에서 학생 모델로 전이하는 Pre-training Distillation을 강조한다.

• MLM 작업: 입력 문장의 일부를 [MASK]로 바꾸고 이를 예측.
• NSP 작업: 두 문장이 연결될 확률을 예측.

5. 모델 ONNX 변환

MobileBERT 모델을 학습한 후 ONNX로 변환할 때, TensorRT와 같은 고성능 엔진을 사용하여 추론 속도와 효율성을 극대화 하자.
아래 글을 확인하자.
ONNX로 하여금 작동속도, 학습속도 올리기

이 글들도 확인하자. 도음이 된다.
MobileBERT: a Compact Task-Agnostic BERT for Resource-Limited Devices
Distilling the Knowledge in a Neural Network
TinyBERT: Distilling BERT for Natural Language Understanding