gpt 2 tensorflow2.0

GPT-2 Precraining y generación de texto, implementada en Tensorflow 2.0

Originalmente implementado en TensorFlow 1.14 por Oapenai:- "OpenAI/GPT-2". Papel Operai GPT-2:-"Los modelos de idiomas son alumnos multitarea sin supervisión"

** Este repositorio tiene la implementación de generación de secuencia y de secuencia de OpenAI GPT-2 en TensorFlow 2.0, **

Requisitos

• Python> = 3.6
• setuptools == 41.0.1
• ftfy == 5.6
• tqdm == 4.32.1
• Haga clic == 7.0
• SentencePiece == 0.1.83
• tensorflow-gpu == 2.3.0
• Numpy == 1.16.4

Configuración

 $ git clone https://github.com/akanyaani/gpt-2-tensorflow2.0
$ cd gpt-2-tensorflow2.0
$ pip install -r requirements.txt

Puede pre-Entrenar el modelo utilizando datos de muestra disponibles en Repository o puede descargar los datos utilizando este repositorio de GitHub https://github.com/eukaryote31/openwebtext

Modelo de entrenamiento previo en los datos de muestra disponibles en el repositorio

 $ python pre_process.py --help

Options:
  --data-dir TEXT        training data path  [default: /data/scraped]
  --vocab-size INTEGER   byte pair vocab size  [default: 24512]
  --min-seq-len INTEGER  minimum sequence length  [default: 15]
  --max-seq-len INTEGER  maximum sequence length  [default: 512]
  --help                 Show this message and exit.
  
  
>> python pre_process.py

Modelo de pre-entrenamiento en OpenWebText o cualquier otro datos

 >> python pre_process.py --data-dir=data_directory --vocab-size=32000

 $ python train_gpt2.py --help

Options:
  --num-layers INTEGER      No. of decoder layers  [default: 8]
  --embedding-size INTEGER  Embedding size  [default: 768]
  --num-heads INTEGER       Number of heads  [default: 8]
  --dff INTEGER             Filter Size  [default: 3072]
  --max-seq-len INTEGER     Seq length  [default: 515]
  --vocab-size INTEGER      Vocab size  [default: 24512]
  --optimizer TEXT          optimizer type  [default: adam]
  --batch-size INTEGER      batch size  [default: 8]
  --learning-rate FLOAT     learning rate  [default: 0.001]
  --graph-mode BOOLEAN      TF run mode  [default: False]
  --distributed BOOLEAN     distributed training  [default: False]
  --help                    Show this message and exit.
  
  
>> python train_gpt2.py 
  --num-layers=8 
  --num-heads=8 
  --dff=3072 
  --embedding-size=768 
  --batch-size=32 
  --learning-rate=5e-5
  --graph-mode=True

Entrenamiento distribuido en múltiples GPU.

 >> python train_gpt2.py 
  --num-layers=8 
  --num-heads=8 
  --dff=3072 
  --embedding-size=768 
  --batch-size=32 
  --learning-rate=5e-5 
  --distributed=True 
  --graph-mode=True

Inicie TensorBoard a través de la línea de comando.

 $ tensorboard --logdir /log

Después de realizar previamente su modelo, puede generar secuencias dando algún contexto para modelar. Abra este cuaderno y cargue el modelo previado y pase el contexto para modelarlo, devolverá la secuencia generada.

 $ sequence_generator.ipynb

HACER

 1. Parallel Preprocessing.
2. Shared weights across layers.
3. Factorized embedding.
4. Fine-Tuning wrapper.

Referencias:

• "OpenAi/GPT-2"
• "Huggingface Pytorch-Transformers"
• "TensorFlow Transformers"
• "El GPT-2 ilustrado"

Contribución

• Sus problemas y PR siempre son bienvenidos.

Autor

• Abhay kumar
• Correo electrónico del autor: [email protected]
• Sígueme en Twitter

Licencia

• MIT

Gráfico de cálculo del modelo GPT-2.