

Anglais | 简体中文
Libai est une boîte à outils de formation de modèle open source à grande échelle basée sur Oneflow. La branche principale fonctionne avec Oneflow 0.7.0.
Soutenir une collection de composants de formation parallèles
Libai fournit de multiples parallélismes tels que le parallélisme des données, le parallélisme du tenseur et le parallélisme du pipeline. Il est également extensible pour d'autres nouveaux parallélismes.
Techniques de formation variées
Libai fournit de nombreuses techniques de formation prête à l'emploi telles que la formation distribuée, la formation de précision mixte, le point de contrôle de l'activation, la recomputation, l'accumulation de gradient et l'optimiseur de redondance zéro (zéro).
Prise en charge des tâches CV et NLP
Libai a un processus de données prédéfini pour les ensembles de données CV et NLP tels que CIFAR, ImageNet et Bert DataSet.
Facile à utiliser
Les composants de Libai sont conçus pour être modulaires pour une utilisation plus facile comme suit:
Grande efficacité
Voir les instructions d'installation.
Voir rapide pour l'utilisation de base de Libai.
Voir la documentation de Libai pour la documentation complète de l'API et les tutoriels.
Beta 0.3.0 a été publié au 03/11/2024, les changements généraux de la version 0.3.0 sont les suivants:
Caractéristiques:
Nouveaux modèles pris en charge:
| Modèles | Inférence 2D (TP + PP) | Formation parallèle 3D |
|---|---|---|
| FLORAISON | ✔ | - |
| Chatglm | ✔ | ✔ |
| Bacles | ✔ | ✔ |
| Dalle2 | ✔ | - |
| Lama2 | ✔ | ✔ |
| Mae | ✔ | ✔ |
| Stable_diffusion | - | - |
Nouveaux modèles simulés:
| Modèles | Tensor parallèle | Pipeline parallèle |
|---|---|---|
| FLORAISON | ✔ | - |
| Gpt2 | ✔ | - |
| LAMA | ✔ | - |
| Lama2 | ✔ | - |
| Baichuan | ✔ | - |
| OPTER | ✔ | - |
Voir Changelog pour plus de détails et l'historique des versions.
Nous apprécions toutes les contributions pour améliorer Libai. Voir Contribution pour la directive contributive.
Ce projet est publié sous la licence Apache 2.0.
Si vous trouvez ce projet utile pour vos recherches, pensez à citer:
@misc { of2021libai ,
author = { Xingyu Liao and Peng Cheng and Tianhe Ren and Depeng Liang and
Kai Dang and Yi Wang and Xiaoyu Xu } ,
title = { LiBai } ,
howpublished = { url{https://github.com/Oneflow-Inc/libai} } ,
year = { 2021 }
}