SwissArmyTransformer下载 - SwissArmyTransformer源代码下载

SwissArmyTransformer

Python

1.0.0

下载

介绍

sat （ SwissArmyTransformer ）是一个灵活而强大的库，可以开发自己的变压器变体。

sat以“瑞士军刀”的名字命名，这意味着所有模型（例如Bert，GPT，T5，GLM，Cogview，Vit ...）共享相同的骨干代码，并使用一些额外的轻量级混合物来迎合多种用途。

sat由deepspeed-ZeRO和模型并行性提供动力，旨在为大型模型提供预处理和填充的最佳实践（100m〜20B参数）。

安装

    pip install SwissArmyTransformer

特征

仅在一行中添加模型不稳定组件，例如前缀调整！

前缀调整（或P-tuning）通过在每个注意力层中添加可训练的参数来改善鉴定。使用我们的库将其应用于GLM分类（或任何其他）模型很容易。

    class ClassificationModel ( GLMModel ): # can also be BertModel, RobertaModel, etc. 
        def __init__ ( self , args , transformer = None , ** kwargs ):
            super (). __init__ ( args , transformer = transformer , ** kwargs )
            self . add_mixin ( 'classification_head' , MLPHeadMixin ( args . hidden_size , 2048 , 1 ))
            # Arm an arbitrary model with Prefix-tuning with this line!
            self . add_mixin ( 'prefix-tuning' , PrefixTuningMixin ( args . num_layers , args . hidden_size // args . num_attention_heads , args . num_attention_heads , args . prefix_len ))

GPT和其他自动回归模型在训练和推理过程中的作用不同。在推论过程中，文本是按token产生的，我们需要在先前的状态中提高效率。借助我们的LIB，您只需要在训练（教师训练）期间考虑行为，然后通过添加Mixin将其转换为缓存的自动回归模型：

    model , args = AutoModel . from_pretrained ( 'glm-10b-chinese' , args )
    model . add_mixin ( 'auto-regressive' , CachedAutoregressiveMixin ())
    # Generate a sequence with beam search
    from sat . generation . autoregressive_sampling import filling_sequence
    from sat . generation . sampling_strategies import BeamSearchStrategy
    output , * mems = filling_sequence ( model , input_seq ,
                    batch_size = args . batch_size ,
                    strategy = BeamSearchStrategy ( args . batch_size ))

使用最小代码构建基于变压器的模型。我们提到了GLM，它仅与标准变压器（称为碱基模型）不同（和训练损失）。我们只需要专注于编码时的相关部分即可。

扩展整个定义：

 class BlockPositionEmbeddingMixin ( BaseMixin ):
    # Here define parameters for the mixin
    def __init__ ( self , max_sequence_length , hidden_size , init_method_std = 0.02 ):
        super ( BlockPositionEmbeddingMixin , self ). __init__ ()
        self . max_sequence_length = max_sequence_length
        self . hidden_size = hidden_size
        self . block_position_embeddings = torch . nn . Embedding ( max_sequence_length , hidden_size )
        torch . nn . init . normal_ ( self . block_position_embeddings . weight , mean = 0.0 , std = init_method_std )
    
    # Here define the method for the mixin
    def position_embedding_forward ( self , position_ids , ** kwargs ):
        position_ids , block_position_ids = position_ids [:, 0 ], position_ids [:, 1 ]
        position_embeddings = self . transformer . position_embeddings ( position_ids )
        block_position_embeddings = self . block_position_embeddings ( block_position_ids )
        return position_embeddings + block_position_embeddings

class GLMModel ( BaseModel ):
    def __init__ ( self , args , transformer = None ):
        super (). __init__ ( args , transformer = transformer )
        self . add_mixin ( 'block_position_embedding' , 
            BlockPositionEmbeddingMixin ( args . max_sequence_length , args . hidden_size )
        ) # Add the mixin for GLM

全面的培训支持。 sat目的是为预处理和填充提供最佳实践，您只需要完成forward_step和create_dataset_function ，而使用超参数来改变有用的培训配置。
- 通过指定--num_nodes ， --num_gpus和一个简单的hostfile ，将训练扩展到多个GPU或节点。
- 深速和模型并行性。
- 更好地集成零2和激活检查点。
- 自动扩展和洗牌培训数据以及memmap 。
- 成功支持Cogview2和Cogvideo的培训。
- 目前，GPU上支持FINETUNTINTINTIN的唯一开源代码库。

快速游览

在SAT中使用Bert最典型的Python文件（用于推断）如下：

 # @File: inference_bert.py
from sat import get_args , get_tokenizer , AutoModel
# Parse args, initialize the environment. This is necessary.
args = get_args () 
# Automatically download and load model. Will also dump model-related hyperparameters to args.
model , args = AutoModel . from_pretrained ( 'bert-base-uncased' , args ) 
# Get the BertTokenizer according to args.tokenizer_type (automatically set).
tokenizer = get_tokenizer ( args ) 
# Here to use bert as you want!
# ...

然后我们可以通过

    SAT_HOME=/path/to/download python inference_bert.py --mode inference

所有正式支持的模型名称都在URLS.PY中。

对于芬太尼或预算变压器也非常容易！

 # @File: finetune_bert.py
from sat import get_args , get_tokenizer , AutoModel
from sat . model . mixins import MLPHeadMixin

def create_dataset_function ( path , args ):
    # Here to load the dataset
    # ...
    assert isinstance ( dataset , torch . utils . data . Dataset )
    return dataset

def forward_step ( data_iterator , model , args , timers ):
    inputs = next ( data_iterator ) # from the dataset of create_dataset_function.
    loss , * others = model ( inputs )
    return loss
    
# Parse args, initialize the environment. This is necessary.
args = get_args () 
model , args = AutoModel . from_pretrained ( 'bert-base-uncased' , args ) 
tokenizer = get_tokenizer ( args ) 
# Here to use bert as you want!
model . del_mixin ( 'bert-final' )
model . add_mixin ( 'classification_head' , MLPHeadMixin ( args . hidden_size , 2048 , 1 ))
# ONE LINE to train! 
# args already includes hyperparams such as lr, train-iters, zero-stage ...
training_main ( args , 
    model_cls = model , 
    forward_step_function = forward_step , # user define
    create_dataset_function = create_dataset_function # user define
)

然后我们可以通过

deepspeed --include localhost:0,1 finetune_bert.py 
    --experiment-name ftbert 
    --mode finetune --train-iters 1000 --save /path/to/save 
    --train-data /path/to/train --valid-data /path/to/valid 
    --lr 0.00002 --batch-size 8 --zero-stage 1 --fp16

在这里，我们在GPU 0,1上使用数据并行。我们还可以通过--hostfile /path/to/hostfile在许多相互连接的机器上启动培训。有关更多详细信息，请参见教程。

要编写自己的模型，您只需要考虑标准变压器之间的区别。例如，如果您有提高注意力操作的想法：

 from sat . model import BaseMixin
class MyAttention ( BaseMixin ):
    def __init__ ( self , hidden_size ):
        super ( MyAttention , self ). __init__ ()
        # MyAttention may needs some new params, e.g. a learnable alpha.
        self . learnable_alpha = torch . nn . Parameter ( torch . ones ( hidden_size ))
    
    # This is a hook function, the name `attention_fn` is special.
    def attention_fn ( q , k , v , mask , dropout = None , ** kwargs ):
        # Code for my attention.
        # ...
        return attention_results