PuMer

PuMer (ACL 2023)

Este repositorio es la implementación oficial del documento "PuMer: Pruning and Merging Tokens for Efficient Vision Language Models", documento

Uso

Instalar

instale miniforge (igual que conda, más portátil) cree un entorno python: conda env create -f env.yaml , actívelo: conda activate pumer clone este repositorio: [email protected]:csarron/pumer.git

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

obtener el entorno de la antorcha: python -m torch.utils.collect_env

instalar: pip install -e .

para fines de desarrollo local: pip install -e ".[dev]"

El env-frozen.yaml se genera mediante conda env export | grep -v "^prefix: | pumer==" > env-frozen.yaml

Preparar datos y modelos previamente entrenados.

consulte notes/data.md para el preprocesamiento de datos

consulte cli/prep/convert_ckpt.py para convertir los puntos de control METER y ViLT originales previamente entrenados

A continuación se muestra el diseño del archivo después de la preparación:

# 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

Capacitación y Evaluación

consulte notes/cmd.md para ver un ejemplo de uso;

consulte https://huggingface.co/csarron para ver los puntos de control de ajuste fino: ( -ft es el modelo ajustado original, p0.x-r0.x-t0.x-xxx es nuestro modelo PuMer)

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

FLOP de perfiles

ver notas/profile.md

Preguntas frecuentes

• establezca TRANSFORMERS_OFFLINE=1 después del primer uso; de lo contrario, en algún momento informará un error 504 debido a que la búsqueda siempre está en línea.

Varios

• ignore el código en src/pumer/model/pruner.py (obsoleto y sin usar), necesita limpieza

• El código base actual contiene muchos desorden y código experimental que no está relacionado con la implementación de PuMer, ignórelo.

Citación

 @inproceedings{cao-etal-2023-pumer, title = "{P}u{M}er: poda y fusión de tokens para modelos de lenguaje de visión eficiente", autor = "Cao, Qingqing y Paranjape, Bhargavi y Hajishirzi, Hannaneh", booktitle = "Actas de la 61ª Reunión Anual de la Asociación de Lingüística Computacional (Volumen 1: Artículos extensos)", mes = julio, año = "2023", dirección = "Toronto, Canadá", editor = "Asociación de Lingüística Computacional", url = "https://aclanthology.org/2023.acl-long.721", páginas = " 12890--12903",
}