Deltalm for PyTorch

概述

简述

Deltalm 模型是Fairseq套件中基于Transformer结构的翻译模型，在iwslt14 de2en数据集上训练和评估。

• 参考实现：

  url=https://github.com/microsoft/unilm/blob/master/deltalm
  commit_id=eb1cc35e63988b2fe8c1fae348012a57da096e43
  

• 适配昇腾 AI 处理器的实现：

  url=https://gitcode.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/built-in/nlp
  

准备训练环境

该模型为不随版本演进模型（随版本演进模型范围可在此处查看），未在最新昇腾配套软件中适配验证，您可以：

1. 根据下面提供PyTorch版本在软件版本配套表中选择匹配的CANN等软件下载使用。
2. 查看软件版本配套表后确认对该模型有新版本PyTorch和CANN中的适配需求，请在modelzoo/issues中提出您的需求。自行适配不保证精度和性能达标。

准备环境

• 当前模型支持的 PyTorch 历史版本和已知三方库依赖如下表所示。

  表 1 版本支持表

  Torch_Version	三方库依赖版本
  PyTorch 1.8	-

• 环境准备指导。

  请参考《Pytorch框架训练环境准备》。

• 安装套件。

  在模型源码包根目录下执行以下命令。

  pip3.7 install -e ./fairseq
  

  安装相应库

  pip install -r requirements.txt
  

准备数据集

1. 获取数据集。

   1. 用户可参考源码GPU仓自行下载 iwslt14 数据集，并在预处理数据后，上传至到服务器任意目录中，如/data-bin
   2. 或者使用一键式处理工具auto-data.sh，需提前准备：

      1. tokenize模型："https://deltalm.blob.core.windows.net/deltalm/spm.model"

      2. 准备数据词典："https://deltalm.blob.core.windows.net/deltalm/dict.txt"

      3. 准备分词工具：参考"https://github.com/google/sentencepiece" readme操作安装spm_encode

      4. 执行脚本bash auto-data.sh $1 $2 $3 $4 $5 $6

         $1：原始数据生成目录 /tmp/iwslt14

         $2：最终处理数据目录 /data-bin

         $3：tokenize模型路径

         $4：词典路径

         $5: 数据预处理工具下载链接: mosesdecoder

         $6: 原始数据下载链接: iwslt14

2. 获取预训练模型 用户自行下载deltalm-base预训练模型权重，并放置于上面预处理数据目录下

开始训练

训练模型

1. 进入源码包根目录。

   cd /${模型文件夹名称}
   

2. 运行训练脚本。

   该模型支持单机单卡训练和单机8卡训练。

   • 单机单卡训练

     启动单卡训练。

     bash ./test/train_performance_1p.sh --data_path=/data-bin  # 单卡性能
     

   • 单机8卡训练。

     启动8卡训练。

     bash ./test/train_full_8p.sh --data_path=/data-bin  # 8卡精度
     bash ./test/train_performance_8p.sh --data_path=/data-bin  # 8卡性能
     

     --data_path参数填写数据集路径，需写到数据集的一级目录。

   模型训练脚本参数说明如下。

   公共参数：
   --data_path                         //数据集路径
   --arch                              //使用模型架构
   --save-dir                          //权重文件保存路径
   --max-epoch                         //重复迭代轮数
   --max-tokens                        //最大token大小
   --lr                                //学习率
   --optimizer                         //使用哪种优化器
   --eval-bleu                         //使用评估指标
   --distributed-world-size            //是否进行分布式训练
   

   训练完成后，权重文件默认保存在当前路径的checkpoints目录下，test/out目录下并输出模型训练精度和性能信息。

训练结果展示

表 3 en_de数据集训练结果展示表

NAME	MODE	Bleu	WPS	Epochs	AMP_Type	Torch_Version
8p-竞品A	fp16	39.45	14401	100	-	1.8
8p-NPU	fp16	39.37	16214	100	-	1.8

说明： 由于该模型默认开启二进制，所以在性能测试时，需要安装二进制包，安装方式参考《Pytorch框架训练环境准备》。

版本说明

变更

2023.6.29：首次发布。

FAQ

无。

公网地址说明

代码涉及公网地址参考 public_address_statement.md