Skip to content

Latest commit

 

History

History
249 lines (197 loc) · 14.7 KB

README_zh.md

File metadata and controls

249 lines (197 loc) · 14.7 KB

FlagAI CII Best Practices Python application GitHub release (release name instead of tag name) English

飞智是一个快速、易于使用和可扩展的大模型工具包。 我们的目标是支持在多模态的各种下游任务上训练、微调和部署大规模模型。

  • 现在支持多模态模型AltCLIP和文生图模型AltDiffusion Huggingface space.现在它支持最高百亿参数的悟道GLM(详见GLM介绍)。它同时也支持EVA-CLIP、OPT、BERT、RoBERTa、GPT2、T5、ALM模型和 Huggingface Transformers 的模型。

  • 它提供 API 以快速下载并在给定（中/英文）文本上使用这些预训练模型，在从SuperGLUE和CLUE benchmarks收集的广泛使用的数据集上对它们进行微调，然后在我们的模型中心与社区共享它们。 它还提供了提示学习（prompt-learning）的工具包，用于少样本学习(few-shot learning)任务。

  • 这些模型可以应用于文本，用于文本分类、信息提取、问答、摘要、文本生成等任务，尤其是中文。

  • 飞智由四个最流行的数据/模型并行库（PyTorch/Deepspeed/Megatron-LM/BMTrain）提供支持，它们之间实现了无缝集成。 你可以用不到十行代码来并行你的训练/测试过程。

本项目的部分代码基于GLM，Transformers，timm 和 DeepSpeedExamples.

动态

  • [2 Mar 2023] 支持v1.6.1版本, 增加Galactica模型 #234, 大模型推理的低资源工具包BMInf #238, 以及P-tuning样例 #227
  • [12 Jan 2023] 发布v1.6.0版本, 新增支持并行训练库 BMTrain 以及集成 Flash Attention 到 Bert 和 Vit 模型提速端到端训练, 示例见 FlashAttentionBERT和 FlashAttentionViT. 同时增加了基于对比搜索的文本生成方法 SimCTG 以及基于 AltDiffusion 进行 DreamBooth 个性化微调, 示例见 AltDiffusionNaruto.
  • [28 Nov 2022] 发布v1.5.0版本, 支持1.1B参数的 EVA-CLIP 以及[ALM: 基于GLM的阿拉伯语大模型], 示例见ALM
  • [10 Nov 2022] 发布v1.4.0版本, 支持AltCLIP: 更改CLIP中的语言编码器以扩展语言功能, 示例见AltCLIP以及AltDiffusion
  • [29 Aug 2022] 支持v1.3.0版本, 增加CLIP模块以及重新设计了tokenizer的API: #81
  • [21 Jul 2022] 支持v1.2.0版本, 支持ViT系列模型: #71
  • [29 Jun 2022] 支持v1.1.0版本, 支持OPT的加载，微调和推理#63
  • [17 May 2022] 做出了我们的第一份贡献#1

安装

  • Python 版本 >= 3.8
  • PyTorch 版本 >= 1.8.0
  • [可选] 使用GPUs进行训练和测试, 你需要安装CUDA 和 NCCL
  • 通过pip安装:
pip install -U flagai
  • [可选] 下载源码安装:
git clone https://github.com/FlagAI-Open/FlagAI.git
python setup.py install
  • [可选] 开启训练加速需要安装 NVIDIA的 apex
git clone https://github.com/NVIDIA/apex
cd apex
pip install -v --disable-pip-version-check --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./
  • [可选] 使用 ZeRO 优化器，需要安装 DEEPSPEED
git clone https://github.com/microsoft/DeepSpeed
cd DeepSpeed
DS_BUILD_CPU_ADAM=1 DS_BUILD_AIO=1 DS_BUILD_UTILS=1 pip install -e .
ds_report # 检查deepspeed的状态
  • [可选] 开启BMTrain训练，需要安装 BMTrain
git clone https://github.com/OpenBMB/BMTrain
cd BMTrain
python setup.py install
  • [可选] 镜像构建，请参照 Dockerfile
  • [提示] 单节点docker环境下，运行多卡数据并行需要设置host。 例如，docker节点 [email protected]，其端口 7110。
>>> vim ~/.ssh/config
Host 127.0.0.1
    Hostname 127.0.0.1
    Port 7110
    User root
  • [提示] 多节点环境， 需要生成 ssh keys 并拷贝公钥到所有节点 (in ~/.ssh/)
>>> ssh-keygen -t rsa -C "[email protected]"

快速上手

我们提供了精选的中英文预训练模型，以及经过训练可以执行不同任务的模型权重。 您可以通过 AutoLoader 类加载这些模型以进行训练和预测。更多样例见 FlagAI/quickstart。

加载模型和分词器

我们提供 AutoLoad 类来快速加载模型和分词器，例如：

from flagai.auto_model.auto_loader import AutoLoader
auto_loader = AutoLoader(
      task_name="title-generation",
      model_name="RoBERTa-base-ch"  
)
model = auto_loader.get_model()
tokenizer = auto_loader.get_tokenizer()

这个例子是针对title-generation(文本摘要）任务的，你也可以通过修改task_name来为其他任务建模。 然后您可以使用模型和标记器进行微调或测试。

使用预测器

我们提供 Predictor 类来预测不同的任务，例如：

from flagai.model.predictor.predictor import Predictor
predictor = Predictor(model, tokenizer)
test_data = [
    "本文总结了十个可穿戴产品的设计原则而这些原则同样也是笔者认为是这个行业最吸引人的地方1为人们解决重复性问题2从人开始而不是从机器开始3要引起注意但不要刻意4提升用户能力而不是取代人",
    "2007年乔布斯向人们展示iPhone并宣称它将会改变世界还有人认为他在夸大其词然而在8年后以iPhone为代表的触屏智能手机已经席卷全球各个角落未来智能手机将会成为真正的个人电脑为人类发展做出更大的贡献",
    "雅虎发布2014年第四季度财报并推出了免税方式剥离其持有的阿里巴巴集团15％股权的计划打算将这一价值约400亿美元的宝贵投资分配给股东截止发稿前雅虎股价上涨了大约7％至5145美元"
]
for text in test_data:
    print(
        predictor.predict_generate_beamsearch(text,
                                              out_max_length=50,
                                              beam_size=3))

这个例子是针对 seq2seq 任务的，我们可以通过调用predict_generate_beamsearch函数得到beam-search结果。此外，我们还支持NER和title generate等任务的预测。

命名实体识别任务示例

from flagai.auto_model.auto_loader import AutoLoader
from flagai.model.predictor.predictor import Predictor

task_name = "ner"
model_name = "RoBERTa-base-ch"
target = ["O", "B-LOC", "I-LOC", "B-ORG", "I-ORG", "B-PER", "I-PER"]
maxlen = 256

auto_loader = AutoLoader(task_name,
                         model_name=model_name,
                         load_pretrain_params=True,
                         class_num=len(target))

model = auto_loader.get_model()
tokenizer = auto_loader.get_tokenizer()

predictor = Predictor(model, tokenizer)

test_data = [
    "6月15日，河南省文物考古研究所曹操高陵文物队公开发表声明承认：“从来没有说过出土的珠子是墓主人的",
    "4月8日，北京冬奥会、冬残奥会总结表彰大会在人民大会堂隆重举行。习近平总书记出席大会并发表重要讲话。在讲话中，总书记充分肯定了北京冬奥会、冬残奥会取得的优异成绩，全面回顾了7年筹办备赛的不凡历程，深入总结了筹备举办北京冬奥会、冬残奥会的宝贵经验，深刻阐释了北京冬奥精神，对运用好冬奥遗产推动高质量发展提出明确要求。",
    "当地时间8日，欧盟委员会表示，欧盟各成员国政府现已冻结共计约300亿欧元与俄罗斯寡头及其他被制裁的俄方人员有关的资产。",
    "这一盘口状态下英国必发公司亚洲盘交易数据显示博洛尼亚热。而从欧赔投注看，也是主队热。巴勒莫两连败，",
]

for t in test_data:
    entities = predictor.predict_ner(t, target, maxlen=maxlen)
    result = {}
    for e in entities:
        if e[2] not in result:
            result[e[2]] = [t[e[0]:e[1] + 1]]
        else:
            result[e[2]].append(t[e[0]:e[1] + 1])
    print(f"result is {result}")

语义相似度匹配任务示例

from flagai.auto_model.auto_loader import AutoLoader
from flagai.model.predictor.predictor import Predictor

maxlen = 256

auto_loader = AutoLoader("semantic-matching",
                         model_name="RoBERTa-base-ch",
                         load_pretrain_params=True,
                         class_num=2)
model = auto_loader.get_model()
tokenizer = auto_loader.get_tokenizer()

predictor = Predictor(model, tokenizer)

test_data = [["后悔了吗", "你有没有后悔"], ["打开自动横屏", "开启移动数据"],
             ["我觉得你很聪明", "你聪明我是这么觉得"]]

for text_pair in test_data:
    print(predictor.predict_cls_classifier(text_pair))

预训练模型以及样例

本节解释了本项目中基础NLP类是如何工作的，如何加载预先训练的模型来标记您的文本，如何使用不同的词或文档嵌入来得到表示，以及如何训练自己的语言模型、序列标注模型和文本分类模型。更多样例见 ./examples目录。

教程

我们提供了一组教程来帮助您快速上手使用本库：

贡献代码

感谢您对贡献的兴趣！ 参与的方式有很多； 从我们的贡献者指南开始，然后检查这些未解决的问题以执行特定任务。

联系我们

欢迎扫码加入飞智用户群

许可证

大部分的飞智项目是基于Apache 2.0 license, 但是部分的代码是基于其他的协议: