PuMer

بومير (ACL 2023)

هذا الريبو هو التنفيذ الرسمي لورقة "PuMer: تقليم ودمج الرموز المميزة لنماذج لغة الرؤية الفعالة"، الورقة

الاستخدام

ثَبَّتَ

تثبيت miniforge (مثل conda، أكثر قابلية للحمل) إنشاء بيئة python: conda env create -f env.yaml ، تنشيطه: conda activate pumer clone this repo: [email protected]:csarron/pumer.git

اختبار cuda: python -c "import torch;print(torch.cuda.is_available())"

الحصول على بيئة الشعلة: python -m torch.utils.collect_env

التثبيت: pip install -e .

لأغراض التطوير المحلي: pip install -e ".[dev]"

يتم إنشاء env-frozen.yaml عبر conda env export | grep -v "^prefix: | pumer==" > env-frozen.yaml

إعداد البيانات والنماذج المدربة مسبقًا

راجع الملاحظات/data.md للمعالجة المسبقة للبيانات

راجع cli/prep/convert_ckpt.py لتحويل نقاط فحص METER وViLT الأصلية المُدربة مسبقًا

وفيما يلي تخطيط الملف بعد التحضير:

# tree -h data
├── [4.0K]  ckpt
│   └── [4.0K]  converted
│       ├── [4.0K]  meter_pretrain_384
│       │   ├── [ 674]  config.json
│       │   └── [1.3G]  pytorch_model.bin
│       ├── [4.0K]  meter_pretrain_irtr_384
│       │   ├── [ 729]  config.json
│       │   └── [1.2G]  pytorch_model.bin
│       ├── [4.0K]  meter_pretrain_nlvr2_288
│       │   ├── [ 674]  config.json
│       │   └── [1.3G]  pytorch_model.bin
│       ├── [4.0K]  vilt_pretrain
│       │   ├── [ 619]  config.json
│       │   └── [518M]  pytorch_model.bin
│       ├── [4.0K]  vilt_pretrain_irtr
│       │   ├── [ 718]  config.json
│       │   └── [426M]  pytorch_model.bin
│       └── [4.0K]  vilt_pretrain_nlvr2
│           ├── [ 619]  config.json
│           └── [518M]  pytorch_model.bin
├── [4.0K]  datasets
│   ├── [4.0K]  irtr
│   │   ├── [390K]  flickr30k-test.jsonl
│   │   ├── [ 11M]  flickr30k-train.jsonl
│   │   ├── [397K]  flickr30k-val.jsonl
│   │   ├── [ 10M]  mscoco-restval.jsonl
│   │   ├── [1.7M]  mscoco-test.jsonl
│   │   ├── [ 28M]  mscoco-train.jsonl
│   │   └── [1.7M]  mscoco-val.jsonl
│   ├── [4.0K]  nlvr2
│   │   ├── [3.6M]  dev.json
│   │   ├── [3.6M]  test1.json
│   │   └── [ 39M]  train.json
│   ├── [4.0K]  snli-ve
│   │   ├── [ 16M]  snli_ve_dev.jsonl
│   │   ├── [ 16M]  snli_ve_test.jsonl
│   │   └── [464M]  snli_ve_train.jsonl
│   └── [4.0K]  vqa2
│       ├── [ 57K]  vqa2_ans2label.json
│       ├── [ 39K]  vqa2_label2ans.json
│       ├── [161K]  vqa2-small.jsonl
│       ├── [ 45M]  vqa2-test2015.jsonl
│       ├── [ 71M]  vqa2-train2014.jsonl
│       └── [ 34M]  vqa2-val2014.jsonl
└── [4.0K]  lmdb
    ├── [ 13G]  coco-test2015.lmdb
    ├── [ 19G]  coco-trainval2014.lmdb
    ├── [4.2G]  flickr30k_images.lmdb
    ├── [837M]  nlvr2-dev.lmdb
    ├── [837M]  nlvr2-test1.lmdb
    └── [ 11G]  nlvr2-train.lmdb

التدريب والتقييم

راجع الملاحظات/cmd.md على سبيل المثال الاستخدام؛

الخروج https://huggingface.co/csarron لنقاط التفتيش الدقيقة: ( -ft هو النموذج الأصلي الدقيق، p0.x-r0.x-t0.x-xxx هو نموذج PuMer الخاص بنا)

vilt-vqa2-ft
vilt-vqa2-p0.1-r0.3-t0.2-258
vilt-ve-ft 
vilt-ve-p0.1r0.3t0.2-2468 
vilt-nlvr2-ft 
vilt-nlvr2-p0.1r0.3t0.2-258
meter-vqa2-ft
meter-vqa2-p0.2r0.2t0.2-0246
meter-ve-ft 
meter-ve-p0.3r0.5t0.2-0246 
meter-nlvr2-ft 
meter-nlvr2-p0.3r0.5t0.2-246

التنميط بالتخبط

راجع الملاحظات/profile.md

الأسئلة الشائعة

• اضبط TRANSFORMERS_OFFLINE=1 بعد الاستخدام الأول، وإلا فإنه في وقت ما سيتم الإبلاغ عن خطأ 504 بسبب البحث دائمًا عبر الإنترنت.

متنوعات

• تجاهل الكود الموجود في src/pumer/model/pruner.py (مهمل وغير مستخدم)، يحتاج إلى التنظيف

• تحتوي قاعدة التعليمات البرمجية الحالية على العديد من الفوضى والتعليمات البرمجية التجريبية التي لا تتعلق بتنفيذ PuMer، يرجى تجاهل ذلك.

الاقتباس

 @inproceedings{cao-etal-2023-pumer, title = "{P}u{M}er: تقليم ودمج الرموز المميزة لنماذج لغة الرؤية الفعالة"، Author = "Cao, Qingqing and Paranjape, Bhargavi and Hajishirzi, Hannaneh"، booktitle = "وقائع الاجتماع السنوي الحادي والستين لجمعية اللغويات الحاسوبية (المجلد) 1: أوراق طويلة)"، الشهر = يوليو، السنة = "2023"، العنوان = "تورنتو، كندا"، الناشر = "جمعية اللغويات الحاسوبية"، url = "https://aclanthology.org/2023.acl-long .721"، الصفحات = "12890--12903"،
}