LM Infinite
1.0.0
Il s'agit des codes du papier LM-infinite: généralisation de la longueur extrême zéro pour les modèles de grands langues (NAACL 2024 Paper Award) à Pytorch. Le travail est effectué par Chi Han, Qifan Wang, Hao Peng, Wenhan Xiong, Yu Chen, Heng Ji, Sinong Wang.
Dans cet article, les auteurs proposent une méthode simple, appelée LM-infinite, pour améliorer la généralisation de la longueur de modèles de gros langage à une longueur extrême de 200 m de jetons, sans aucune formation ou mise à jour de paramètres supplémentaires.
Nous sommes motivés en identifiant d'abord trois facteurs sous-jacents à l'échec de la généralisation de la longueur dans les LLM: (a) Facteur 1: Les distances invisibles entre les jetons provoquent l'explosion des logites d'attention. (b) Facteur 2: Un nombre invisible de jetons peut entraîner une augmentation de l'entropie d'attention au-delà de la plage d'entraînement à mesure que la longueur augmente. (c) Facteur 3: Le démarrage de quelques jetons occupez une région de caractéristique distincte et ne doit pas être jeté.
L'idée clé est d'utiliser (1) un
Nous avons implémenté la méthode LM-infinite en remplacement de dépôt pour les transformateurs HuggingFace. Après avoir chargé les modèles Transformers, et s'il s'agit d'un modèle LLAMA, d'un modèle MPT ou d'un modèle GPT-J, vous pouvez exécuter les codes suivants pour activer LM-infinite.
Pour le modèle de lama:
from models.llama import convert_llama_model
model = convert_llama_model(model, 4096, 10)
Pour le modèle MPT:
from models.mpt_7b import convert_mpt_model
model = convert_mpt_model(model, 4096, 10)
Pour le modèle GPT-J:
from models.gpt_j import convert_gpt_j_model
model = convert_gpt_j_model(model, 4096, 10)
Ensuite, vous pouvez utiliser le modèle comme d'habitude!
Une liste détaillée des packages Python d'un point de vue anaconda peut être trouvée dans requirements.txt . Certains packages ont été installés par conda et certains par pip . Mes commandes pour installer les exigences dans Anaconda & Pip Environment sont les suivantes:
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
conda install -c conda-forge sentencepiece einops cudatoolkit-dev tqdm ipython datasets evaluate rouge-score protobuf accelerate langchain openai
pip install transformers deepspeed
├── LICENSE
├── README.md
├── requirements.txt
├── configs
│ └── zero3_efficient_config.json # config for deepspeed acceleration
├── data
│ ├── generation_metrics.py
│ ├── get_data.py # dataset loading and preprocessing
│ ├── passkey_retrieval
│ │ ├── create_passkey_data.py
│ │ ├── create_passkey_data.sh
│ │ └── passkey_retrieval_accuracy.py
│ └── split_pile_file.py # split the Pile dataset into task-specific files
├── models
│ ├── constant.py # a constant function model
│ ├── get_llama2
│ │ ├── convert_llama_weights_to_hf.py # convert llama-2 weights to huggingface format
│ │ └── download_llama2.sh
│ ├── get_model.py
│ ├── gpt_j.py
│ ├── lambda_attention.py # efficient implementation of lambda attention
│ ├── llama.py
│ ├── model_base.py
│ └── mpt_7b.py
├── scripts
│ ├── combine_evaluate_generation.py
│ ├── combine_results.py
│ ├── eval_downstream_tasks.py # evaluate on passkey retrieval task
│ ├── eval_generation.py # evaluate generation metrics
│ └── eval_ppl_deepspeed.py # evaluate perplexity
├── utils
│ ├── arguments.py
│ └── utils.py
└── visualization
├── plot_nll.py
├── position_pca.py
└── relative_attention_explosion.py
Pour les ensembles de données, vous devez préparer un ensemble de données de corpus. Si vous téléchargez la source de pile d'origine (https://pile.euther.ai) sur ${PILE_PATH}/test.jsonl.zst et ${PILE_PATH}/val.jsonl.zst , exécutez les commandes suivantes pour extraire l'ensemble de données compressé.
cd ${PILE_PATH}
zstd -d ./ test.jsonl.zst
zstd -d ./ val.jsonl.zst
Exécutez ensuite les commandes suivantes pour diviser l'ensemble de données en fichiers spécifiques à la tâche.
cd ${REPOSITORY_ROOT}
mkdir -p ${PILE_PATH}/val
mkdir -p ${PILE_PATH}/test
python data/split_pile_file.py ${PILE_PATH}/val.jsonl ${PILE_PATH}/val
python data/split_pile_file.py ${PILE_PATH}/test.jsonl ${PILE_PATH}/test
Cependant, la pile officielle ne semble plus être disponible en téléchargement, vous devez donc probablement comprendre une autre source (par exemple, https://huggingface.co/datasets/arxiv_dataset ou https://openwebtext2.readthedocs.io/en/latest/). Alternativement, vous pouvez également utiliser votre propre corpus. Les deux options vous obligent à modifier des données / get_data.py.
Pour les modèles d'épine dorsale, le papier utilise LLAMA-2, LLAMA, GPT-J et MPT-7B. Les 3 derniers modèles sont directement disponibles à la volée à partir de HuggingFace Model Hub, donc pas l'action n'est nécessaire à l'avance. La clé de téléchargement lama-2 doit être demandée au formulaire de demande META AI. Puis exécutez la commande suivante
bash models/get_llama2/download_llama2.sh
et suivre les invites pour télécharger les points de contrôle sur ${PATH_TO_LLAMA2_CHECKPOINTS} . Puis courez
python models/get_llama2/convert_llama_weights_to_hf.py
--input_dir ${PATH_TO_LLAMA2_CHECKPOINTS}
--model_size 7B
--output_dir ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf
Pour convertir les points de contrôle LLAMA-2-7B au format HuggingFace.
Les codes nécessitent un ${LOG_DIR} pour stocker les journaux et les résultats. Veuillez sélectionner un répertoire avec suffisamment d'espace.
Évaluation du modèle de perplexité du LLAMA-2 sur l'ensemble de tests ArXIV.
TRIAL=llama2-infinite-ArXiv
mkdir -p $LOG_DIR/$TRIAL
CUDA_VISIBLE_DEVICES=0
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --include localhost:$CUDA_VISIBLE_DEVICES --master_port $MASTER_PORT scripts/eval_ppl_deepspeed.py
--deepspeed_config configs/zero3_efficient_config.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 100 --limit_distance 4096
--dataset the_pile --dataset_group ArXiv --split test --dataset_dir ${PILE_PATH}
--max_length 32770
--log_dir $LOG_DIR/$TRIAL
Une brève explication des arguments:
--model : le chemin ou le nom du modèle. PASS decapoda-research/llama-7b-hf pour utiliser LLAMA, mosaicml/mpt-7b pour utiliser MPT-7B et EleutherAI/gpt-j-6b pour utiliser GPT-J-6B.--tokenizer_path : le chemin vers le tokenizer. Supprimez cet argument s'il n'utilise pas LLAMA-2.--use_lambda_attention : utilisez l'attention de Lambda. (Requis pour LM-infinite)--local_branch : la taille de la branche locale. 2048 pour Llama, MPT-7B et GPT-J (requis pour LM-Infinite)--global_branch : la taille globale de la branche. La plage 10-100 donne généralement un effet similaire. (Requis pour LM-infinite)--limit_distance : La limite de distance. 2048 pour Llama, MPT-7B et GPT-J (requis pour LM-Infinite)--dataset : le nom de l'ensemble de données. Voir DATA / GET_DATA.py pour comprendre comment utiliser des ensembles de données personnalisés. Si vous souhaitez évaluer sur les modèles Vanilla sans l'infini LM, supprimez simplement le --use_lambda_attention --local_branch 4096 --global_branch 100 --limit_distance 4096 Ensemble d'arguments.
Si vous souhaitez uniquement évaluer sur un sous-ensemble de l'ensemble de tests, vous pouvez utiliser l'argument --start_data_from pour spécifier l'index de départ de l'ensemble de tests, et / ou --max_data_num pour spécifier le nombre d'exemples après cet index.
TRIAL=llama2-infinite-ArXiv-extreme
CUDA_VISIBLE_DEVICES=0
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
echo port: $MASTER_PORT
mkdir -p $LOG_DIR/$TRIAL
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --include localhost:$CUDA_VISIBLE_DEVICES --master_port $MASTER_PORT scripts/eval_infinite_ppl.py
--deepspeed_config configs/zero3_efficient_config.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 10 --limit_distance 4096
--dataset the_pile --dataset_group ArXiv --split test --dataset_dir ${PILE_PATH}
--streaming_length 200000000 --max_length 128000 --start_data_from 2300
--log_dir $LOG_DIR/$TRIAL
Génération d'évaluation à partir du modèle LLAMA-2 sur l'ensemble de tests ArXIV.
TRIAL=llama2-infinite-generate-ArXiv
mkdir -p $LOG_DIR/$TRIAL
CUDA_VISIBLE_DEVICES=0
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --include localhost:$CUDA_VISIBLE_DEVICES --master_port $MASTER_PORT scripts/eval_generation.py
--deepspeed_config configs/zero3_efficient_config.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 100 --limit_distance 4096
--dataset the_pile --dataset_group ArXiv --split test --dataset_dir ${PILE_PATH}
--max_length 33000
--max_generation_length 100 --evaluate_metrics --evaluate_positions 4096 8192 12288 16384
--log_dir $LOG_DIR/$TRIAL
Tout d'abord, nous devons préparer l'ensemble de données de récupération de Passkey.
for MAX_LENGTH in 2048 3072 4096 5120 6144 7168 8192 10240 12288 14335 16384; do
echo $MAX_LENGTH
python data/passkey_retrieval/create_passkey_data.py
--token-length $MAX_LENGTH
--dump-file-path ${PASSKEY_DATA}/${MAX_LENGTH}
--tokenizer-path ${PATH_TO_LLAMA2_CHECKPOINTS}
--num-samples 1000
done
Ensuite, évaluons la tâche de récupération de Passkey.
CUDA_VISIBLE_DEVICES=0
for MAX_LENGTH in 6144 8192 10240 12288 16384; do
TRIAL=llama2-infinite-passkey-$MAX_LENGTH
mkdir -p $LOG_DIR/$TRIAL
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --master_port $MASTER_PORT --include localhost:$CUDA_VISIBLE_DEVICES scripts/eval_downstream_tasks.py
--deepspeed_config configs/zero3_efficient_config.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 10 --limit_distance 4096 --triangle_offset 0
--top_k_attention 5 --top_k_from_layer 4
--dataset passkey_retrieval --dataset_dir ${PASSKEY_DATA} --dataset_group ${MAX_LENGTH}
--max_generation_length 7 --evaluate_metrics
--log_dir $LOG_DIR/$TRIAL
done
Exécution de la tâche QASPER:
CUDA_VISIBLE_DEVICES=0
DATASET=qasper
TRIAL=llama2-infinite-$DATASET
mkdir -p $LOG_DIR/$TRIAL
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
echo port: $MASTER_PORT
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --include localhost:$CUDA_VISIBLE_DEVICES --master_port $MASTER_PORT scripts/eval_downstream_tasks.py
--deepspeed_config configs/zero3_efficient_config_large.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 10 --limit_distance 4096 --triangle_offset 0
--top_k_attention 5 --top_k_from_layer 4
--dataset $DATASET --split test --evaluate_metrics
--max_length 6144 --truncation_side center
--log_dir $LOG_DIR/$TRIAL
@inproceedings{han2024lm,
title={LM-Infinite: Zero-Shot Extreme Length Generalization for Large Language Models},
author={Han, Chi and Wang, Qifan and Peng, Hao and Xiong, Wenhan and Chen, Yu and Ji, Heng and Wang, Sinong},
booktitle={Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers)},
pages={3991--4008},
year={2024}
}
