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
