Проблема
Большие языковые модели (LLM) — это тип системы искусственного интеллекта (ИИ), которая может понимать и генерировать человекоподобный язык. Некоторые из самых впечатляющих LLM на рынке сегодня, такие как BLOOM, OPT и GPT3, имеют более 175 миллиардов параметров. Эти модели могут изменить то, как мы взаимодействуем с языковыми технологиями.
Однако с их растущими размерами обучение или тонкая настройка этих моделей на обычном компьютере становится сложной задачей. Сложно управлять и обрабатывать огромное количество данных и вычислительную мощность, необходимую для обучения таких моделей.
Реальная ценность LLM заключается в их тонкой настройке в соответствии с вашими конкретными потребностями. Например, представьте, что у вас есть модель ChatGPT, специализирующаяся на ответах на часто задаваемые вопросы (FAQ) на вашем веб-сайте. Модель гораздо лучше подходит для ответов на любые вопросы клиентов, связанные с вашим бизнесом. Это облегчило бы клиентам получение необходимой им информации, быстро и эффективно.
Но вот в чем дело: обучение этих моделей — сложный процесс. Чтобы дать вам представление о том, насколько сложной может быть эта задача, скажу, что только вес модели занимает более 350 ГБ памяти. А поскольку мы обучаем модель, нам также нужно отслеживать активации, градиенты и другие временные переменные. Все эти факторы в совокупности делают невероятно трудным обучение LLM.
Решение
Одним из популярных решений является DeepSpeed.
DeepSpeed — это библиотека, разработанная Microsoft, которая помогает решать задачи обучения больших языковых моделей (LLM). Библиотека предоставляет несколько оптимизаций, которые могут значительно сократить объем памяти и вычислительных ресурсов, необходимых для обучения LLM, что позволяет обучать эти модели на обычном оборудовании.
Некоторые из ключевых особенностей DeepSpeed включают в себя:
- Параллелизм модели: это позволяет обучать модели, которые слишком велики, чтобы поместиться в память одного графического процессора, путем разделения модели на несколько графических процессоров.
- ZeRO (оптимизатор нулевой избыточности): это снижает требования к памяти для обучения за счет минимизации избыточности в весе модели, а также позволяет использовать большие размеры пакетов.
- Динамическое масштабирование потерь: этот метод предотвращает числовое занижение значения в очень глубоких моделях и больших размерах пакетов за счет динамического масштабирования значения потерь.
- ZeRO-3: модель разделена между несколькими процессорами (например, графическими процессорами или узлами в кластере), а обновления оптимизатора также разделены, так что каждый процессор должен хранить только небольшую часть модели и состояния оптимизатора в любой момент времени. данное время. Это позволяет создавать еще более крупные модели и партии, чем в предыдущих версиях ZeRO.
Используя эти методы, DeepSpeed может помочь ускорить обучение LLM и сделать его более доступным для исследователей и разработчиков, которые могут не иметь доступа к специализированному оборудованию.
DeepSpeed ZERO3 очень полезен, когда вес модели не помещается в один GPU. Он разделяет веса, активации и градиенты между всеми доступными графическими процессорами, а также предлагает разгрузку ЦП и NVMe (ZERO3 предлагает разгрузку). Однако ничего в жизни не бывает бесплатным… Это замедляет тренировки.
Вы сможете настроить более крупную модель, но это займет больше времени, чем если бы вы обучали ее регулярно.
Как использовать
Я хотел бы подчеркнуть, что ниже приведена общая демонстрация того, как использовать DeepSpeed. Для получения более подробной информации и реализации обратитесь к предоставленным ссылкам и документации.
К счастью, HuggingFace упростил нам использование DeepSpeed. Вы можете создать файл конфигурации DeepSpeed и добавить его в качестве аргумента ключевого слова в HF TrainingArguments.
# Now proceed as normal, plus pass the deepspeed config file training_args = TrainingArguments(..., deepspeed="ds_config_zero3.json") trainer = Trainer(...) trainer.train()
Он позаботится о шардинге и разгрузке, чтобы вы могли расслабиться и наслаждаться своим днем :)
Обратите внимание, что запуск Trainer с DeepSpeed в среде ноутбука работает только с 1 GPU.
Вы также можете создать собственный сценарий обучения:
# coding=utf-8 # Copyright 2021 The HuggingFace Inc. team. All rights reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use this file except in compliance with the License. # You may obtain a copy of the License at # # http://www.apache.org/licenses/LICENSE-2.0 # # Unless required by applicable law or agreed to in writing, software # distributed under the License is distributed on an "AS IS" BASIS, # WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. # See the License for the specific language governing permissions and # limitations under the License. import argparse import evaluate import torch from datasets import load_dataset from torch.optim import AdamW from torch.utils.data import DataLoader from transformers import AutoModelForSequenceClassification, AutoTokenizer, get_linear_schedule_with_warmup, set_seed from accelerate import Accelerator, DistributedType ######################################################################## # This is a fully working simple example to use Accelerate # # This example trains a Bert base model on GLUE MRPC # in any of the following settings (with the same script): # - single CPU or single GPU # - multi GPUS (using PyTorch distributed mode) # - (multi) TPUs # - fp16 (mixed-precision) or fp32 (normal precision) # # To run it in each of these various modes, follow the instructions # in the readme for examples: # https://github.com/huggingface/accelerate/tree/main/examples # ######################################################################## MAX_GPU_BATCH_SIZE = 16 EVAL_BATCH_SIZE = 32 def get_dataloaders(accelerator: Accelerator, batch_size: int = 16): """ Creates a set of `DataLoader`s for the `glue` dataset, using "bert-base-cased" as the tokenizer. Args: accelerator (`Accelerator`): An `Accelerator` object batch_size (`int`, *optional*): The batch size for the train and validation DataLoaders. """ tokenizer = AutoTokenizer.from_pretrained("bert-base-cased") datasets = load_dataset("glue", "mrpc") def tokenize_function(examples): # max_length=None => use the model max length (it's actually the default) outputs = tokenizer(examples["sentence1"], examples["sentence2"], truncation=True, max_length=None) return outputs # Apply the method we just defined to all the examples in all the splits of the dataset # starting with the main process first: with accelerator.main_process_first(): tokenized_datasets = datasets.map( tokenize_function, batched=True, remove_columns=["idx", "sentence1", "sentence2"], ) # We also rename the 'label' column to 'labels' which is the expected name for labels by the models of the # transformers library tokenized_datasets = tokenized_datasets.rename_column("label", "labels") def collate_fn(examples): # On TPU it's best to pad everything to the same length or training will be very slow. max_length = 128 if accelerator.distributed_type == DistributedType.TPU else None # When using mixed precision we want round multiples of 8/16 if accelerator.mixed_precision == "fp8": pad_to_multiple_of = 16 elif accelerator.mixed_precision != "no": pad_to_multiple_of = 8 else: pad_to_multiple_of = None return tokenizer.pad( examples, padding="longest", max_length=max_length, pad_to_multiple_of=pad_to_multiple_of, return_tensors="pt", ) # Instantiate dataloaders. train_dataloader = DataLoader( tokenized_datasets["train"], shuffle=True, collate_fn=collate_fn, batch_size=batch_size, drop_last=True ) eval_dataloader = DataLoader( tokenized_datasets["validation"], shuffle=False, collate_fn=collate_fn, batch_size=EVAL_BATCH_SIZE, drop_last=(accelerator.mixed_precision == "fp8"), ) return train_dataloader, eval_dataloader def training_function(config, args): # Initialize accelerator accelerator = Accelerator(cpu=args.cpu, mixed_precision=args.mixed_precision) # Sample hyper-parameters for learning rate, batch size, seed and a few other HPs lr = config["lr"] num_epochs = int(config["num_epochs"]) seed = int(config["seed"]) batch_size = int(config["batch_size"]) metric = evaluate.load("glue", "mrpc") # If the batch size is too big we use gradient accumulation gradient_accumulation_steps = 1 if batch_size > MAX_GPU_BATCH_SIZE and accelerator.distributed_type != DistributedType.TPU: gradient_accumulation_steps = batch_size // MAX_GPU_BATCH_SIZE batch_size = MAX_GPU_BATCH_SIZE set_seed(seed) train_dataloader, eval_dataloader = get_dataloaders(accelerator, batch_size) # Instantiate the model (we build the model here so that the seed also control new weights initialization) model = AutoModelForSequenceClassification.from_pretrained("bert-base-cased", return_dict=True) # We could avoid this line since the accelerator is set with `device_placement=True` (default value). # Note that if you are placing tensors on devices manually, this line absolutely needs to be before the optimizer # creation otherwise training will not work on TPU (`accelerate` will kindly throw an error to make us aware of that). model = model.to(accelerator.device) # Instantiate optimizer optimizer = AdamW(params=model.parameters(), lr=lr) # Instantiate scheduler lr_scheduler = get_linear_schedule_with_warmup( optimizer=optimizer, num_warmup_steps=100, num_training_steps=(len(train_dataloader) * num_epochs) // gradient_accumulation_steps, ) # Prepare everything # There is no specific order to remember, we just need to unpack the objects in the same order we gave them to the # prepare method. model, optimizer, train_dataloader, eval_dataloader, lr_scheduler = accelerator.prepare( model, optimizer, train_dataloader, eval_dataloader, lr_scheduler ) # Now we train the model for epoch in range(num_epochs): model.train() for step, batch in enumerate(train_dataloader): # We could avoid this line since we set the accelerator with `device_placement=True`. batch.to(accelerator.device) outputs = model(**batch) loss = outputs.loss loss = loss / gradient_accumulation_steps accelerator.backward(loss) if step % gradient_accumulation_steps == 0: optimizer.step() lr_scheduler.step() optimizer.zero_grad() model.eval() for step, batch in enumerate(eval_dataloader): # We could avoid this line since we set the accelerator with `device_placement=True`. batch.to(accelerator.device) with torch.no_grad(): outputs = model(**batch) predictions = outputs.logits.argmax(dim=-1) predictions, references = accelerator.gather_for_metrics((predictions, batch["labels"])) metric.add_batch( predictions=predictions, references=references, ) eval_metric = metric.compute() # Use accelerator.print to print only on the main process. accelerator.print(f"epoch {epoch}:", eval_metric) def main(): parser = argparse.ArgumentParser(description="Simple example of training script.") parser.add_argument( "--mixed_precision", type=str, default=None, choices=["no", "fp16", "bf16", "fp8"], help="Whether to use mixed precision. Choose" "between fp16 and bf16 (bfloat16). Bf16 requires PyTorch >= 1.10." "and an Nvidia Ampere GPU.", ) parser.add_argument("--cpu", action="store_true", help="If passed, will train on the CPU.") args = parser.parse_args() config = {"lr": 2e-5, "num_epochs": 3, "seed": 42, "batch_size": 16} training_function(config, args) if __name__ == "__main__": main()
Это пример скрипта, взятый из репозитория Huggingface Acceleration.
Затем вы можете просто запустить скрипт с помощью python или ускорить:
python ./nlp_example.py accelerate launch ./nlp_example.py
Вы можете сначала запустить accelerate config, чтобы создать файл конфигурации. Это позволит вам проводить распределенное обучение на многих графических процессорах, узлах и даст вам доступ к дополнительным функциям.
Вы можете найти шаблоны конфигурации DeepSpeed здесь. Вы также можете создать свой собственный конфиг и настроить его.
Если вы нашли это информативным и интересным, пожалуйста, поделитесь своими мыслями, оставив комментарий! Кроме того, если вы хотите больше подобного контента, не забудьте подписаться на меня для будущих сообщений в блоге :)
Вы также можете следить за этими блогами и учебными пособиями и попробовать сами:
Документация
Блоги
- https://huggingface.co/blog/accelerate-deepspeed
- https://www.philschmid.de/fine-tune-flan-t5-deepspeed
Примеры/шаблоны кода