引用苏神博客中的话：“事实上，不管是tensorflow还是pytorch，不管是CLUE还是GLUE，笔者认为能找到的baseline代码，都很难称得上人性化，试图去理解它们是一件相当痛苦的事情。” (附上苏神的中文CLUE基准代码)
本人也是感同身受，既然有了中文CLUE基准代码，那么英文GLUE基准代码也得搞一个，所以决定基于bert4keras实现一套GLUE的baseline。经过测试，基本上复现了Huggingface的基准成绩，并且大多数任务还更优。最重要的是，所有代码尽量保持了清晰易读的特点（bert4keras的最大特点）。
GLUE benchmark: General Language Understanding Evaluation
- val set:
| Task | Metric | BERT-base* | BERT-base# | ELECTRA-base# | ELECTRA-large# |
|---|---|---|---|---|---|
| CoLA | Matthews corr | 56.53 | 61.53 | 65.63 | 68.99 |
| SST-2 | Accuracy | 92.32 | 92.66 | 94.04 | 94.95 |
| MRPC | F1/Accuracy | 88.85/84.07 | 88.53/84.17 | 90.83/87.71 | 91.78/89.16 |
| STS-B | Pearson/Spearman corr | 88.64/88.48 | 89.20/88.77 | 90.97/90.75 | 91.13/91.25 |
| QQP | Accuracy/F1 | 90.71/87.49 | 90.81/87.66 | 91.23/88.33 | 92.20/89.70 |
| MNLI | M acc/MisM acc | 83.91/84.10 | 84.02/84.24 | 88.32/88.16 | 91.10/91.15 |
| QNLI | Accuracy | 90.66 | 91.42 | 92.11 | 93.74 |
| RTE | Accuracy | 65.70 | 69.68 | 81.23 | 87.73 |
| WNLI | Accuracy | 56.34 | 56.34 | 64.79 | 84.51 |
* Huggingface # Our
- test set:
- 下载GLUE数据集和bert预训练的权重(这里使用的是Google原版bert)到指定文件夹；
- 例如：训练CoLA，直接运行
python CoLA.py。
- 软件：bert4keras>=0.10.8, tensorflow = 1.15.0, keras = 2.3.1；
- 硬件：bert-base和electra-base结果是用RTX 2080（12G）跑出来的，electra-large是用RTX 3090 (24G)，注意3090显卡不支持Google的tf 1.x系列，需使用Nvidia的tf.15。安装教程可参考：https://www.bilibili.com/read/cv9162965/
- 2021.11.28，增加code的test set的预测功能，并且上传到GLUE网站进行评估，结果已公开。
- 2021.12.07，增加ELECTRA-base和ELECTRA-large的dev set结果（代码暂时未公开）。
- 增加SuperGLUE基准代码 https://github.com/nishiwen1214/SuperGLUE-bert4keras