DALLE mtf

DALL-E in Mesh-Tensorflow [WIP]

DALL-E von Open-AI in Mesh-Tensorflow.

Wenn dies ähnlich effizient wie GPT-Neo ist, sollte dieses Repo in der Lage sein, Modelle bis zu und größer als die Größe von Open-AIs DALL-E (12B Parameter) zu trainieren.

Keine vorab trainierten Modelle ... Noch nicht.

Vielen Dank an Ben Wang für die TF-VAE-Implementierung und dafür, dass die MTF-Version funktioniert, und an Aran Komatsuzaki für die Hilfe beim Aufbau der MTF-VAE- und Eingabepipeline.

Aufstellen

git clone https://github.com/EleutherAI/GPTNeo
cd GPTNeo
pip3 install -r requirements.txt

Trainingsaufbau

Läuft auf TPUs, wurde auf GPUs nicht getestet, sollte aber theoretisch funktionieren. Die Beispielkonfigurationen sind für die Ausführung auf einem TPU v3-32-Pod konzipiert.

Um TPUs einzurichten, melden Sie sich bei der Google Cloud Platform an und erstellen Sie einen Speicher-Bucket.

Erstellen Sie Ihre VM über eine Google-Shell ( https://ssh.cloud.google.com/ ) mit ctpu up --vm-only , damit sie eine Verbindung zu Ihrem Google-Bucket und Ihren TPUs herstellen und das Repo wie oben einrichten kann.

VAE-Vorschulung

DALLE benötigt eine vorab trainierte VAE, um Bilder in Token zu komprimieren. Um das VAE-Vortraining auszuführen, passen Sie die Parameter in configs/vae_example.json an einen globalen Pfad an, der auf einen Datensatz mit JPGs verweist, und passen Sie die Bildgröße auf die entsprechende Größe an.

  "dataset": {
    "train_path": "gs://neo-datasets/CIFAR-10-images/train/**/*.jpg",
    "eval_path": "gs://neo-datasets/CIFAR-10-images/test/**/*.jpg",
    "image_size": 32
  }

Sobald dies alles eingerichtet ist, erstellen Sie Ihre TPU und führen Sie dann Folgendes aus:

python train_vae_tf.py --tpu your_tpu_name --model vae_example

Das Training protokolliert Bildtensoren und Verlustwerte. Um den Fortschritt zu überprüfen, können Sie Folgendes ausführen:

tensorboard --logdir your_model_dir

Datensatzerstellung [DALL-E]

Sobald die VAE vorab trainiert ist, können Sie mit DALL-E fortfahren.

Derzeit trainieren wir an einem Dummy-Datensatz. Ein öffentlicher, groß angelegter Datensatz für DALL-E ist in Arbeit. Führen Sie in der Zwischenzeit Folgendes aus, um einige Dummy-Daten zu generieren:

python src/data/create_tfrecords.py

Dies sollte CIFAR-10 herunterladen und einige zufällige Untertitel generieren, die als Texteingaben dienen.

Benutzerdefinierte Datensätze sollten in einem Ordner formatiert werden, mit einer JSONL-Datei im Stammordner, die Beschriftungsdaten und Pfade zu den jeweiligen Bildern enthält, wie folgt:

 Folder structure:

        data_folder
            jsonl_file
            folder_1
                img1
                img2
                ...
            folder_2
                img1
                img2
                ...
            ...

jsonl structure:
    {"image_path": folder_1/img1, "caption": "some words"}
    {"image_path": folder_2/img2, "caption": "more words"}
    ...

Anschließend können Sie die Funktion create_paired_dataset in src/data/create_tfrecords.py verwenden, um den Datensatz zur Verwendung im Training in „tfrecords“ zu kodieren.

Sobald der Datensatz erstellt ist, kopieren Sie ihn mit gsutil in Ihren Bucket:

gsutil cp -r DALLE-tfrecords gs://neo-datasets/

Und schließlich das Lauftraining mit

python train_dalle.py --tpu your_tpu_name --model dalle_example

Konfigurationsanleitung

VAE:

 {
  "model_type": "vae",
  "dataset": {
    "train_path": "gs://neo-datasets/CIFAR-10-images/train/**/*.jpg", # glob path to training images
    "eval_path": "gs://neo-datasets/CIFAR-10-images/test/**/*.jpg", # glob path to eval images
    "image_size": 32 # size of images (all images will be cropped / padded to this size)
  },
  "train_batch_size": 32, 
  "eval_batch_size": 32,
  "predict_batch_size": 32,
  "steps_per_checkpoint": 1000, # how often to save a checkpoint
  "iterations": 500, # number of batches to infeed to the tpu at a time. Must be < steps_per_checkpoint
  "train_steps": 100000, # total training steps
  "eval_steps": 0, # run evaluation for this many steps every steps_per_checkpoint
  "model_path": "gs://neo-models/vae_test2/", # directory in which to save the model
  "mesh_shape": "data:16,model:2", # mapping of processors to named dimensions - see mesh-tensorflow repo for more info
  "layout": "batch_dim:data", # which named dimensions of the model to split across the mesh - see mesh-tensorflow repo for more info
  "num_tokens": 512, # vocab size
  "dim": 512, 
  "hidden_dim": 64, # size of hidden dim
  "n_channels": 3, # number of input channels
  "bf_16": false, # if true, the model is trained with bfloat16 precision
  "lr": 0.001, # learning rate [by default learning rate starts at this value, then decays to 10% of this value over the course of the training]
  "num_layers": 3, # number of blocks in the encoder / decoder
  "train_gumbel_hard": true, # whether to use hard or soft gumbel_softmax
  "eval_gumbel_hard": true
}

DALL-E:

 {
  "model_type": "dalle",
  "dataset": {
    "train_path": "gs://neo-datasets/DALLE-tfrecords/*.tfrecords", # glob path to tfrecords data
    "eval_path": "gs://neo-datasets/DALLE-tfrecords/*.tfrecords",
    "image_size": 32 # size of images (all images will be cropped / padded to this size)
  },
  "train_batch_size": 32, # see above
  "eval_batch_size": 32,
  "predict_batch_size": 32,
  "steps_per_checkpoint": 1000,
  "iterations": 500,
  "train_steps": 100000,
  "predict_steps": 0,
  "eval_steps": 0,
  "n_channels": 3,
  "bf_16": false,
  "lr": 0.001,
  "model_path": "gs://neo-models/dalle_test/",
  "mesh_shape": "data:16,model:2",
  "layout": "batch_dim:data",
  "n_embd": 512, # size of embedding dim
  "text_vocab_size": 50258, # vocabulary size of the text tokenizer
  "image_vocab_size": 512, # vocabulary size of the vae - should equal num_tokens above
  "text_seq_len": 256, # length of text inputs (all inputs longer / shorter will be truncated / padded)
  "n_layers": 6, 
  "n_heads": 4, # number of attention heads. For best performance, n_embd / n_heads should equal 128
  "vae_model": "vae_example" # path to or name of vae model config
}