ru gpts
1.0.0
このリポジトリには、ロシア語の巨大なデータセットでトレーニングされた自己回帰トランスフォーマー言語モデルが多数含まれています。
ロシアの GPT-3 モデル (ruGPT3XL、ruGPT3Large、ruGPT3Medium、ruGPT3Small) は、スパースおよびデンス アテンション ブロックを備えた 2048 シーケンス長でトレーニングされました。また、1024 シーケンス長でトレーニングされたロシアの GPT-2 ラージ モデル (ruGPT2Large) も提供します。
Colab でモデル生成を試してみましょう! ruGPT-3 XL: または ruGPT-3 より小さいモデル:
ここでは使用例を詳しく説明します。微調整がどのように機能するかを確認してください。
colab の場合は、次のインストール手順を使用することをお勧めします。
export LD_LIBRARY_PATH=/usr/lib/
apt-get install clang-9 llvm-9 llvm-9-dev llvm-9-tools
git clone https://github.com/qywu/apex
cd apex
pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./
pip install triton
DS_BUILD_CPU_ADAM=1 DS_BUILD_SPARSE_ATTN=1 pip install deepspeed
pip install transformers
pip install huggingface_hub
pip install timm==0.3.2
git clone https://github.com/sberbank-ai/ru-gpts
cp ru-gpts/src_utils/trainer_pt_utils.py /usr/local/lib/python3.8/dist-packages/transformers/trainer_pt_utils.py
cp ru-gpts/src_utils/_amp_state.py /usr/local/lib/python3.8/dist-packages/apex/amp/_amp_state.py
env をインストールした後、colab を再起動してください。チェックに問題がない場合は、次のコマンドを実行します。
!ds_report
# Output:
...
sparse_attn ............ [YES] ...... [OKAY]
...
import deepspeed.ops.sparse_attention.sparse_attn_op
ここでは簡単な使用例を示します。詳細については、この例または を参照してください。
import sys
from src . xl_wrapper import RuGPT3XL
import os
# If run to from content root.
sys . path . append ( "ru-gpts/" )
os . environ [ "USE_DEEPSPEED" ] = "1"
# We can change address and port
os . environ [ "MASTER_ADDR" ] = "127.0.0.1"
os . environ [ "MASTER_PORT" ] = "5000"
gpt = RuGPT3XL . from_pretrained ( "sberbank-ai/rugpt3xl" , seq_len = 512 )
gpt . generate (
"Кто был президентом США в 2020? " ,
max_length = 50 ,
no_repeat_ngram_size = 3 ,
repetition_penalty = 2. ,
)微調整、微調整されたモデルの読み込み、生成の例はここにあります。
微調整スクリプトの例はこちら
モデルは、4 エポックの 80B トークン データセット上で、Devices チームによって Deepspeed と Megatron コードを使用して 512 シーケンス長でトレーニングされました。その後、モデルはシーケンス長 2048 で 1 エポック微調整されました。
注記！モデルにはまばらな注意ブロックがあります。
合計トレーニング時間は 256 GPU で約 10 日でした。
テスト セットの最終的なパープレキシティは12.05です。
?HuggingFaceモデルカードリンク。
ruGPT3Large、ruGPT3Medium、ruGPT3Small、ruGPT2Large を使用するには、?HuggingFace トランスフォーマーをインストールするだけです。
pip install transformers==4.24.0ここでは、微調整または生成の例を取得できます。
また、この例は Google Colab 用に調整されています。
from transformers import GPT2LMHeadModel , GPT2Tokenizer
model_name_or_path = "sberbank-ai/rugpt3large_based_on_gpt2"
tokenizer = GPT2Tokenizer . from_pretrained ( model_name_or_path )
model = GPT2LMHeadModel . from_pretrained ( model_name_or_path ). cuda ()
text = "Александр Сергеевич Пушкин родился в "
input_ids = tokenizer . encode ( text , return_tensors = "pt" ). cuda ()
out = model . generate ( input_ids . cuda ())
generated_text = list ( map ( tokenizer . decode , out ))[ 0 ]
print ( generated_text )
# Output should be like this:
# Александр Сергеевич Пушкин родился в n1799 году. Его отец был крепостным крестьянином, а мать – крепостной крестьянкой. Детство и юность Пушкина прошли в деревне Михайловское под Петербургом. В 1820-х годах семья переехалаすべての事前トレーニングは、Christofari クラスター上の Nvidia Tesla V100-SXM3 32 Gb GPU で行われました。各モデルの事前トレーニングの詳細は次のとおりです。
モデルは、Devices チームによって 3 エポックの 80B トークンでトランスフォーマー ライブラリを使用し、シーケンス長 1024 でトレーニングされました。その後、モデルはシーケンス長 2048 で 1 エポック微調整されました。
合計トレーニング時間は、1024 コンテキストの場合は 128 GPU で約 14 日、2048 コンテキストの場合は 16 GPU で数日でした。
テスト セットの最終的な混乱度は13.6です。
このモデルは、モデル名sberbank-ai/rugpt3large_based_on_gpt2のトランスフォーマーを使用して取得できます。
?HuggingFaceモデルカードリンク
事前トレーニングスクリプトはこちら
モデルは、Devices チームによって 3 エポックの 80B トークンでトランスフォーマー ライブラリを使用し、シーケンス長 1024 でトレーニングされました。その後、モデルは 2048 年のコンテキストに基づいて微調整されました。
合計トレーニング時間は 64 GPU で約 16 日でした。
テスト セットの最終的な困惑度は17.4です。
このモデルは、モデル名sberbank-ai/rugpt3medium_based_on_gpt2のトランスフォーマーを使用して取得できます。
?HuggingFaceモデルカードリンク
事前トレーニングスクリプトはこちら
モデルは、Devices チームによってトランスフォーマーを使用し、3 エポックあたり 80B トークンでシーケンス長 1024 でトレーニングされました。その後、モデルは 2048 年のコンテキストに基づいて微調整されました。
合計トレーニング時間は 32 GPU で約 1 週間かかりました。
このモデルは、モデル名sberbank-ai/rugpt3small_based_on_gpt2のトランスフォーマーを使用して取得できます。
?HuggingFaceモデルカードリンク
事前トレーニングスクリプトはこちら
モデルは、Devices チームによってトランスフォーマーを使用し、64 GPU 上の 170 Gb データで 3 週間、シーケンス長 1024 でトレーニングされました。
このモデルは、モデル名sberbank-ai/rugpt2largeのトランスフォーマーを使用して取得できます。
?HuggingFaceモデルカードリンク
Google の学者検索によると - このリストへのリンクを自由に追加してください
@article{shatilovsentence,
title={Sentence simplification with ruGPT3},
author={Shatilov, AA and Rey, AI},
url={http://www.dialog-21.ru/media/5281/shatilovaaplusreyai142.pdf}
}
@article{fenogenovatext,
title={Text Simplification with Autoregressive Models},
author={Fenogenova, Alena},
url={http://www.dialog-21.ru/media/5250/fenogenovaa141.pdf}}
@article{dementieva2021methods,
title={Methods for Detoxification of Texts for the Russian Language},
author={Dementieva, Daryna and Moskovskiy, Daniil and Logacheva, Varvara and Dale, David and Kozlova, Olga and Semenov, Nikita and Panchenko, Alexander},
journal={arXiv preprint arXiv:2105.09052},
year={2021},
url={https://arxiv.org/abs/2105.09052}
}
@inproceedings{fenogenova2021russian,
title={Russian Paraphrasers: Paraphrase with Transformers},
author={Fenogenova, Alena},
booktitle={Proceedings of the 8th Workshop on Balto-Slavic Natural Language Processing},
pages={11--19},
year={2021},
url={https://www.aclweb.org/anthology/2021.bsnlp-1.2.pdf}
}
@article{malykh2021morocco,
title={MOROCCO: Model Resource Comparison Framework},
author={Malykh, Valentin and Kukushkin, Alexander and Artemova, Ekaterina and Mikhailov, Vladislav and Tikhonova, Maria and Shavrina, Tatiana},
journal={arXiv preprint arXiv:2104.14314},
year={2021},
url={https://arxiv.org/abs/2104.14314}}
