ru gpts
1.0.0
Этот репозиторий содержит множество авторегрессионных языковых моделей трансформеров, обученных на огромном наборе данных русского языка.
Российские модели GPT-3 (ruGPT3XL, ruGPT3Large, ruGPT3Medium, ruGPT3Small) обучались с использованием последовательностей длиной 2048 с редкими и плотными блоками внимания. Мы также предоставляем российскую большую модель GPT-2 (ruGPT2Large), обученную с длиной последовательности 1024.
Попробуйте генерацию моделей в Colab! ruGPT-3 XL: или модели меньшего размера ruGPT-3:
Подробно примеры использования описаны здесь. Посмотрите, как работает тонкая настройка:
Для colab мы рекомендуем использовать следующие инструкции по установке:
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
После установки env перезапустите Colab. Чтобы проверить, все ли в порядке, выполните следующие команды:
!ds_report
# Output:
...
sparse_attn ............ [YES] ...... [OKAY]
...
import deepspeed.ops.sparse_attention.sparse_attn_op
Вот простой пример использования. Подробнее см. в этом примере или .
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. ,
)Пример точной настройки, загрузки настроенной модели и генерации находится здесь.
Наш пример тонкой настройки скрипта здесь
Модель была обучена командой Devices с длиной последовательности 512 с использованием кода Deepspeed и Megatron на наборе данных из 80 миллиардов токенов за 4 эпохи. После этого модель была доработана на 1 эпоху с длиной последовательности 2048.
Примечание! У модели редкие блоки внимания.
Общее время обучения составило около 10 дней на 256 графических процессорах.
Итоговое недоумение на тестовом наборе — 12.05 .
? Ссылка на карточку модели HuggingFace.
Для использования ruGPT3Large, ruGPT3Medium, ruGPT3Small, ruGPT2Large просто установите преобразователи HuggingFace.
pip install transformers==4.24.0Здесь мы можем получить примеры тонкой настройки или генерации.
Также эти примеры адаптированы для Google Colab:
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 переехалаВся предварительная подготовка проводилась на графических процессорах Nvidia Tesla V100-SXM3 32 Гб в кластере Christofari. Ниже приведены подробности предварительной подготовки для каждой модели.
Модель была обучена с длиной последовательности 1024 с использованием библиотеки Transformers от команды Devices на 80B токенах в течение 3 эпох. После этого модель была доработана на 1 эпоху с длиной последовательности 2048.
Общее время обучения составило около 14 дней на 128 графических процессорах для контекста 1024 и несколько дней на 16 графических процессорах для контекста 2048.
Итоговое недоумение на тестовом наборе равно 13.6 .
Вы можете получить эту модель, используя трансформеры с названием модели sberbank-ai/rugpt3large_based_on_gpt2 .
?Ссылка на карточку модели HuggingFace
Наш сценарий предварительной подготовки здесь
Модель была обучена с длиной последовательности 1024 с использованием библиотеки Transformers от команды Devices на 80B токенах в течение 3 эпох. После этого модель была доработана под контекст 2048 года.
Общее время обучения составило около 16 дней на 64 графических процессорах.
Итоговое недоумение на тестовом наборе равно 17.4 .
Вы можете получить эту модель, используя трансформеры с названием модели sberbank-ai/rugpt3medium_based_on_gpt2 .
?Ссылка на карточку модели HuggingFace
Наш сценарий предварительной подготовки здесь
Модель была обучена командой Devices с длиной последовательности 1024 с использованием преобразователей на 80B токенах примерно в 3 эпохи. После этого модель была доработана под контекст 2048 года.
Общее время обучения заняло около одной недели на 32 графических процессорах.
Вы можете получить эту модель, используя трансформеры с названием модели sberbank-ai/rugpt3small_based_on_gpt2 .
?Ссылка на карточку модели HuggingFace
Наш сценарий предварительной подготовки здесь
Модель была обучена командой Devices с длиной последовательности 1024 с использованием преобразователей на данных 170 ГБ на 64 графических процессорах в течение 3 недель.
Вы можете получить эту модель, используя трансформеры с названием модели sberbank-ai/rugpt2large .
?Ссылка на карточку модели HuggingFace
Согласно поиску Google Scholar – не стесняйтесь добавлять ссылки в этот список.
@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}}
