kan gpt Download - kan gpt Quellcode herunterladen

kan gpt

Anderer Quellcode

1.2.0

Herunterladen

KAN-GPT

Die PyTorch-Implementierung von Generative Pre-trained Transformers (GPTs) unter Verwendung von Kolmogorov-Arnold Networks (KANs) zur Sprachmodellierung

Installieren Sie es von PyPI

pip install kan_gpt

Zitat

Wenn Sie unsere Arbeit nützlich finden, zitieren Sie uns!

 @misc{GANESH2024KANGPT,
  author       = {Aditya Nalgunda Ganesh},
  title        = {KAN-GPT: The PyTorch implementation of Generative Pre-trained Transformers (GPTs) using Kolmogorov-Arnold Networks (KANs) for language modeling},
  year         = {2024},
  month        = {May},
  note         = {Release 1.0.0, 9th May 2024},
  url          = {https://github.com/AdityaNG/kan-gpt/}
}

Verwendung

Anwendungsbeispiele finden Sie in KAN_GPT.ipynb und kan_gpt/prompt.py. Im Folgenden finden Sie eine Übersicht über die Verwendung des Modells:

 from kan_gpt . model import GPT
from transformers import GPT2Tokenizer

model_config = GPT . get_default_config ()
model_config . model_type = "gpt2"
model_config . vocab_size = 50257
model_config . block_size = 1024
model = GPT ( model_config )

tokenizer = GPT2Tokenizer . from_pretrained ( 'gpt2' )

prompt = "Bangalore is often described as the "

prompt_encoded = tokenizer . encode (
  text = prompt , add_special_tokens = False
)

x = torch . tensor ( prompt_encoded ). unsqueeze ( 0 )

model . eval ()
y = model . generate ( x , 50 )  # sample 50 tokens

result = tokenizer . decode ( y [ 0 ])

print ( result )

# Bangalore is often described as the Silicon Valley of India.
# The city has witnessed rapid growth in the past two decades.....

Setup für die Entwicklung

 # Download Repo
git clone https://github.com/AdityaNG/kan-gpt
cd kan-gpt
git pull

# Download Dataset
python3 -m kan_gpt.download_dataset --dataset tinyshakespeare
python3 -m kan_gpt.download_dataset --dataset mnist
python3 -m kan_gpt.download_dataset --dataset webtext

# Install dependencies for development
pip install -r requirements.txt
pip install -e .

Zug

Verwenden Sie das folgende Dummy-Skript, um sicherzustellen, dass alles wie erwartet funktioniert

WANDB_MODE=offline CUDA_VISIBLE_DEVICE= " " python3 -m kan_gpt.train --architecture MLP --batch_size 1 --dummy_dataset --device cpu --max_iters 200
WANDB_MODE=offline CUDA_VISIBLE_DEVICE= " " python3 -m kan_gpt.train --architecture KAN --batch_size 1 --dummy_dataset --device cpu --max_iters 200

Dann nutzen Sie das Trainingsskript

python -m kan_gpt.train

Prompt

Sie können das Modell wie folgt auffordern, Text zu erzeugen

python -m kan_gpt.prompt --prompt " Bangalore is often described as the " --model_path (checkpoint)

Ergebnisse

Wir trainieren und vergleichen KAN-GPT mit einem äquivalenten MLP-GPT-Modell auf dem Tiny Shakespeare-Datensatz. Wir stellen fest, dass KAN-GPT etwas besser abschneidet als MLP-GPT. Wir prüfen weitere Experimente, um tiefer einzutauchen. Die Ergebnisse sind unten dargestellt: