GPT-3模型是一个通用的预训练生成模型,使用Transformer的Decoder-only结构,可以用于解决下游各种类型的生成任务,特别是zero-shot生成能力。模型利用大量无监督数据,通过自回归任务进行预训练。可以用于解决文本生成相关的任务包含:文本摘要、问题生成、data-to-text等。
GPT-3模型使用Transformer的Decoder结构,并对Transformer Decoder进行了一些改动,原本的Decoder包含了两个 Multi-Head Attention 结构,GPT-3只保留了 Mask Multi-Head Attention,利用常规的语言建模优化,从左到右的自回归预训练。本模型是基于GPT-3的代码结合大量中文无监督数据和下游任务数据预训练得到,我们训练了多种不同参数的模型
,GPT-3模型介绍,详见:Language Models are Few-Shot Learners
本项目我们复现了一系列不同规模的中文GPT3模型,包括base/large/1.3B/2.7B/13B/30B/175B等,本模型是其中1.3B的版本。全部版本如下表所示:
Model | Layers | Heads | d_model | LR | Batch |
---|---|---|---|---|---|
base | 12 | 12 | 768 | 6.0e-4 | 0.5M |
large | 24 | 16 | 1024 | 3.0e-4 | 0.5M |
1.3B | 24 | 32 | 2048 | 2.0e-4 | 2M |
2.7B | 32 | 32 | 2560 | 1.6e-4 | 2M |
13B | 40 | 40 | 5120 | 1.0e-4 | 6M |
30B | 48 | 56 | 7168 | 1.0e-4 | 6M |
175B(work in process) | 96 | 96 | 12288 | 1.2e-4 | 6M |
本模型可直接用于文本生成,也可以通过finetune用于各类文本理解的任务。用户可以自行尝试各种输入文档。具体调用方式请参考代码示例。
在安装完成ModelScope library之后即可使用GPT-3的text-generation的能力。目前我们免费提供试用的Notebook环境,使用的是单卡GPU,由于显存限制仅可以运行pipeline推理,如果用户在使用Notebook环境时想要运行训练,推荐使用更小规模的large/base版本
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
if __name__ == '__main__':
input = '程序员脱发用什么洗发水'
model_id = 'damo/nlp_gpt3_text-generation_1.3B'
pipe = pipeline(Tasks.text_generation, model=model_id)
# 可以在 pipe 中输入 max_length, top_k, top_p, temperature 等生成参数
print(pipe(input, max_length=512))
模型训练数据来源于网络,生成结果可能存在一定偏差。
训练数据包括中文维基百科、网络上公开文本数据。
本模型的预训练分为两个阶段。第一阶段严格按照原始GPT3的参数设置进行:在中文wiki/ Common crawl等无监督数据上,通过自回归的训练任务训练了约300B字得到。第二阶段中,我们加入了多种有监督数据继续训练,使得模型具备多种任务的zero-shot的处理能力。
我们为GPT3模型支持了续写训练与输入输出形式的训练,训练方式不需要额外指定,训练数据集仅包含 src_txt 时会进行续写训练,同时包含 src_txt 和 tgt_txt 时会进行输入输出形式的训练。以下将为两种训练方式提供示例代码。
目前对于GPT3 1.3B/2.7B 两个模型我们在训练阶段支持了运行时的模型自动拆分功能,因此不需要使用与训练tensor并行度匹配的checkpoint即可开始训练。需要注意的是,当使用并行训练时,务必提前在configuration.json中确认以下参数配置正确:
"megatron": {
"checkpoint_tensor_model_parallel_size": 1, # 对应checkpoint的并行片数,在1.3B/2.7B模型中为1
"world_size": 1, # 全局的并行进程数
"tensor_model_parallel_size": 1 # tensor 并行度
}
以单机8卡训练,2的数据并行度和4的tensor并行度(2dp+4tp)为例:
# 训练启动命令
torchrun --nproc_per_node 8 finetune_poetry.py # 这里的8是启动进程数,为dp*tp的值(2*4=8),单机训练时对应配置文件中的world_size
# 无需配置数据并行度,会根据`world_size/tensor_model_parallel_size`计算
# 此时的正确配置
"megatron": {
"checkpoint_tensor_model_parallel_size": 1, # 使用modelscope上传的checkpoint时无需修改
"world_size": 8, # 此处对应上文的启动进程数nproc_per_node,如果使用其他方式启动多进程训练同理
"tensor_model_parallel_size": 2 # 训练使用的 tensor 并行度
}
下面是基于GPT-3中文1.3B模型在诗词生成数据集上二次开发训练
# finetune_poetry.py
from torch.utils.tensorboard import SummaryWriter
from modelscope.msdatasets import MsDataset
from modelscope.trainers import build_trainer
from modelscope.metainfo import Trainers
dataset_dict = MsDataset.load('chinese-poetry-collection')
train_dataset = dataset_dict['train'].remap_columns(
{'text1': 'src_txt'})
eval_dataset = dataset_dict['test'].remap_columns({'text1': 'src_txt'})
max_epochs = 10
tmp_dir = './gpt3_poetry'
num_warmup_steps = 100
def noam_lambda(current_step: int):
current_step += 1
return min(current_step**(-0.5),
current_step * num_warmup_steps**(-1.5))
def cfg_modify_fn(cfg):
cfg.train.lr_scheduler = {
'type': 'LambdaLR',
'lr_lambda': noam_lambda,
'options': {
'by_epoch': False
}
}
cfg.train.optimizer = {'type': 'AdamW', 'lr': 3e-4}
cfg.train.dataloader = {
'batch_size_per_gpu': 16,
'workers_per_gpu': 1
}
cfg.train.hooks.append({
'type': 'MegatronHook'
})
cfg.evaluation.dataloader = {
'batch_size_per_gpu': 8,
'workers_per_gpu': 1
}
cfg.evaluation.metrics = 'ppl'
return cfg
kwargs = dict(
model='damo/nlp_gpt3_text-generation_1.3B',
train_dataset=train_dataset,
eval_dataset=eval_dataset,
max_epochs=max_epochs,
work_dir=tmp_dir,
cfg_modify_fn=cfg_modify_fn)
# Construct trainer and train
trainer = build_trainer(
name=Trainers.gpt3_trainer, default_args=kwargs)
trainer.train()
以上为单卡训练脚本,我们推荐使用 torchrun 拉起训练
torchrun finetune_poetry.py
下面是基于GPT-3中文1.3B模型在Dureader问题生成数据集上二次开发训练
# finetune_dureader.py
from torch.utils.tensorboard import SummaryWriter
from modelscope.msdatasets import MsDataset
from modelscope.trainers import build_trainer
from modelscope.metainfo import Trainers
dataset_dict = MsDataset.load('DuReader_robust-QG')
train_dataset = dataset_dict['train'].remap_columns({'text1': 'src_txt', 'text2': 'tgt_txt'}) \
.map(lambda example: {'src_txt': example['src_txt'] + '\n'})
eval_dataset = dataset_dict['validation'].remap_columns({'text1': 'src_txt', 'text2': 'tgt_txt'}) \
.map(lambda example: {'src_txt': example['src_txt'] + '\n'})
max_epochs = 10
tmp_dir = './gpt3_dureader'
num_warmup_steps = 200
def noam_lambda(current_step: int):
current_step += 1
return min(current_step**(-0.5),
current_step * num_warmup_steps**(-1.5))
def cfg_modify_fn(cfg):
cfg.train.lr_scheduler = {
'type': 'LambdaLR',
'lr_lambda': noam_lambda,
'options': {
'by_epoch': False
}
}
cfg.train.optimizer = {'type': 'AdamW', 'lr': 1e-4}
cfg.train.dataloader = {
'batch_size_per_gpu': 4,
'workers_per_gpu': 1
}
cfg.train.hooks.append({
'type': 'MegatronHook'
})
cfg.preprocessor.sequence_length = 512
cfg.model.checkpoint_model_parallel_size = 1
return cfg
kwargs = dict(
model='damo/nlp_gpt3_text-generation_1.3B',
train_dataset=train_dataset,
eval_dataset=eval_dataset,
max_epochs=max_epochs,
work_dir=tmp_dir,
cfg_modify_fn=cfg_modify_fn)
trainer = build_trainer(
name=Trainers.gpt3_trainer, default_args=kwargs)
trainer.train()
以上为数据并行度为1的训练脚本,我们推荐使用 torchrun 拉起训练
单机单卡或单机多卡运行时,可以通过以下命令运行训练:
# N 为模型并行度
torchrun --nproc_per_node $N finetune_dureader.py
需要注意,目前1.3B参数量的GPT-3模型训练至少需要32G显存的gpu(如V100)才能进行单卡训练,或至少需要两张16G显存的gpu进行张量并行训练
我们对大规模生成模型的推理速度进行了极致优化,13B模型128字的文本生成可以在1秒左右完成。
我们将尽快推出本项目的技术报告,敬请期待!