英文

NeMo Megatron-GPT 5B

| | |

模型描述

Megatron-GPT 5B是基于Transformer的语言模型。GPT是指一类类似于GPT-2和3的仅解码器的Transformer模型,而5B表示总的可训练参数数量(50亿)[1, 2]。

这个模型是用 NeMo Megatron 进行训练的。

入门指南

步骤1:安装NeMo和依赖项

您需要安装NVIDIA Apex和NeMo。

git clone https://github.com/ericharper/apex.git
cd apex
git checkout nm_v1.11.0
pip install -v --disable-pip-version-check --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" --global-option="--fast_layer_norm" --global-option="--distributed_adam" --global-option="--deprecated_fused_adam" ./
pip install nemo_toolkit['nlp']==1.11.0

或者,您可以使用预先安装了所有依赖项的NeMo Megatron训练Docker容器。

步骤2:启动评估服务器

注意:下面的示例在两个GPU上启动了一个具有2个张量并行性(TP)和1个流水线并行性(PP)的模型变体。

git clone https://github.com/NVIDIA/NeMo.git 
cd NeMo/examples/nlp/language_modeling
git checkout v1.11.0
python megatron_gpt_eval.py gpt_model_file=nemo_gpt5B_fp16_tp2.nemo server=True tensor_model_parallel_size=2 trainer.devices=2

步骤3:发送提示到您的模型!

import json
import requests

port_num = 5555
headers = {"Content-Type": "application/json"}

def request_data(data):
    resp = requests.put('http://localhost:{}/generate'.format(port_num),
                        data=json.dumps(data),
                        headers=headers)
    sentences = resp.json()['sentences']
    return sentences


data = {
    "sentences": ["Tell me an interesting fact about space travel."]*1,
    "tokens_to_generate": 50,
    "temperature": 1.0,
    "add_BOS": True,
    "top_k": 0,
    "top_p": 0.9,
    "greedy": False,
    "all_probs": False,
    "repetition_penalty": 1.2,
    "min_tokens_to_generate": 2,
}

sentences = request_data(data)
print(sentences)

训练数据

该模型是在 "The Piles" dataset prepared by Eleuther.AI 上进行训练的。[4]

评估结果

零-shot性能。使用 LM Evaluation Test Suite from AI21 进行评估

ARC-Challenge ARC-Easy RACE-middle RACE-high Winogrande RTE BoolQA HellaSwag PiQA
0.3976 0.5566 0.5007 0.4171 0.6133 0.5812 0.6356 0.6298 0.7492

限制

该模型是在从互联网抓取的数据上进行训练的。这些数据包含有害语言和社会偏见。因此,当使用有害提示进行提示时,模型可能会放大这些偏见并返回有害的回复。

参考资料

[1] Improving Language Understanding by Generative Pre-Training

[2] Megatron-LM: Training Multi-Billion Parameter Language Models Using Model Parallelism

[3] NVIDIA NeMo Toolkit

[4] The Pile: An 800GB Dataset of Diverse Text for Language Modeling

许可证

使用该模型的许可证受到 CC-BY-4.0 的保护。通过下载公共和发布版本的模型,您接受 CC-BY-4.0 许可证的条款和条件。

.hf-sanitized.hf-sanitized-zOD0gHjQNvYE8wIMkUkl4 img {display: inline;}