使用 DeepSpeed 和 Hugging Face 🤗 Transformer 微调 FLAN-T5 XL/XXL

886次阅读
没有评论

使用 DeepSpeed 和 Hugging Face 🤗 Transformer 微调 FLAN-T5 XL/XXL

Scaling Instruction-Finetuned Language Models 论文发布了 FLAN-T5 模型,它是 T5 模型的增强版。FLAN-T5 由很多各种各样的任务微调而得,因此,简单来讲,它就是个方方面面都更优的 T5 模型。相同参数量的条件下,FLAN-T5 的性能相比 T5 而言有两位数的提高。Google 在 Hugging Face 上开源5 个 FLAN-T5 的 checkpoints,参数量范围从 8000 万 到 110 亿。

在之前的一篇博文中,我们已经学习了如何 针对聊天对话数据摘要生成任务微调 FLAN-T5,那时我们使用的是 Base (250M 参数) 模型。本文,我们将研究如何将训练从 Base 扩展到 XL (30 亿参数)XXL (110 亿参数)

这意味着我们将学习如何利用模型并行、多 GPU 以及 DeepSpeed ZeRO 来微调 FLAN-T5 XL 和 XXL。

除了作为教程的部分之外,我们还跑了一系列实验,这些实验数据可以帮助你选择正确的硬件设置。你可以在 结果和实验 部分找到详细信息。

# install git lfs for pushing artifacts
!sudo apt install git-lfs
# install torch with the correct cuda version, check nvcc –version
!pip install torch –extra-index-url https://download.pytorch.org/whl/cu116 –upgrade
# install Hugging Face Libraries
!pip install “transformers==4.26.0” “datasets==2.9.0” “accelerate==0.16.0” “evaluate==0.4.0” –upgrade
# install deepspeed and ninja for jit compilations of kernels
!pip install “deepspeed==0.8.0” ninja –upgrade
# install additional dependencies needed for training
!pip install rouge-score nltk py7zr tensorboard

处理数据集

针对聊天对话的摘要生成任务微调 FLAN-T5 一文中类似,我们需要先准备一个用于微调的数据集。本文,我们将在 CNN Dailymail 数据集 上微调 FLAN-T5-XXL。我们不会赘述如何生成数据集,如果你想了解数据集生成的详细步骤,请参阅前文提到的 Fine Tune FLAN-T5

我们定义了一些参数,本文的示例都会基于这些参数,但你可以根据实际需要进行调整。

# 实验配置
model_id = “google/flan-t5-xxl” # Hugging Face 模型 Id
dataset_id = “cnn_dailymail” # Hugging Face 数据集 Id
dataset_config = “3.0.0” # 数据集版本
save_dataset_path = “data” # 存放处理后数据的本地路径
text_column = “article” # 输入文本所属列
summary_column = “highlights” # 输出文本所属列
# 定制指令提示格式
prompt_template = f”Summarize the following news article:n{{input}}nSummary:n”

Fine Tune FLAN-T5 不同,这次我们把预处理和训练分开。这样我们就可以在非 GPU 实例上运行预处理。我们先对数据集进行预处理 (即分词) 并将其保存到磁盘,然后训练脚本再从磁盘中加载预处理后的数据集。

from datasets import load_dataset
from transformers import AutoTokenizer
import numpy as np

# Load dataset from the hub
dataset = load_dataset(dataset_id,name=dataset_config)
# Load tokenizer of FLAN-t5-base
tokenizer = AutoTokenizer.from_pretrained(model_id)

print(f”Train dataset size: {len(dataset[‘train’])}”)
print(f”Test dataset size: {len(dataset[‘test’])}”)

# Train dataset size: 287113
# Test dataset size: 11490

我们在配置文件中定义了一个 prompt_template,其可用于来构建指令提示,以提高我们模型的性能。 prompt_template 有“固定”的开始词和结束词,文档放在中间。这意味着我们需要确保 “固定”模板词 + 文档 总长不超过模型支持的最大序列长度。因此我们需要计算模型支持的最大文档长度,稍后我们会根据它来填充或截断模板中的文档。

prompt_length = len(tokenizer(prompt_template.format(input=””))[“input_ids”])
max_sample_length = tokenizer.model_max_length – prompt_length
print(f”Prompt length: {prompt_length}”)
print(f”Max input length: {max_sample_length}”)

# Prompt length: 12
# Max input length: 500

Prompt length: 12
Max input length: 500

现在我们知道,模型支持的最大输入文档长度为 500。除了输入之外,我们还需要知道最大“目标”序列长度,我们可以通过遍历数据集中的摘要长度来得到。(代码需要运行几分钟)

from datasets import concatenate_datasets
import numpy as np

# The maximum total input sequence length after tokenization.
# Sequences longer than this will be truncated, sequences shorter will be padded.
tokenized_inputs = concatenate_datasets([dataset[“train”], dataset[“test”]]).map(lambda x: tokenizer(x[text_column], truncation=True), batched=True, remove_columns=[text_column, summary_column])
max_source_length = max([len(x) for x in tokenized_inputs[“input_ids”]])
max_source_length = min(max_source_length, max_sample_length)
print(f”Max source length: {max_source_length}”)

# The maximum total sequence length for target text after tokenization.
# Sequences longer than this will be truncated, sequences shorter will be padded.”
tokenized_targets = concatenate_datasets([dataset[“train”], dataset[“test”]]).map(lambda x: tokenizer(x[summary_column], truncation=True), batched=True, remove_columns=[text_column, summary_column])
target_lenghts = [len(x) for x in tokenized_targets[“input_ids”]]
# use 95th percentile as max target length
max_target_length = int(np.percentile(target_lenghts, 95))
print(f”Max target length: {max_target_length}”)

0%| | 0/299 [00:00<?, ?ba/s]
Max source length: 500

0%| | 0/299 [00:00<?, ?ba/s]
Max target length: 129

现在一切准备就绪,可以处理数据集了。

import os

def preprocess_function(sample, padding=”max_length”):
# created prompted input
inputs = [prompt_template.format(input=item) for item in sample[text_column]]

# tokenize inputs
model_inputs = tokenizer(inputs, max_length=tokenizer.model_max_length, padding=padding, truncation=True)

# Tokenize targets with the `text_target` keyword argument
labels = tokenizer(text_target=sample[summary_column], max_length=max_target_length, padding=padding, truncation=True)

# If we are padding here, replace all tokenizer.pad_token_id in the labels by -100 when we want to ignore
# padding in the loss.
if padding == “max_length”:
labels[“input_ids”] = [
[(l if l != tokenizer.pad_token_id else -100) for l in label] for label in labels[“input_ids”]
]

model_inputs[“labels”] = labels[“input_ids”]
return model_inputs

# process dataset
tokenized_dataset = dataset.map(preprocess_function, batched=True, remove_columns=list(dataset[“train”].features))

# save dataset to disk
tokenized_dataset[“train”].save_to_disk(os.path.join(save_dataset_path,”train”))
tokenized_dataset[“test”].save_to_disk(os.path.join(save_dataset_path,”eval”))

使用 deepspeed 微调模型

准备完毕!我们现在可以开始训练模型了!如前所述,我们将使用集成了 DeepSpeed 的 Hugging Face Trainer。因此我们需要创建一个 deespeed_config.json。DeepSpeed 配置 定义了要使用的 ZeRO 策略以及是否要使用混合精度训练等配置项。 Hugging Face Trainer 允许我们从 deepspeed_config.json 中的 TrainingArguments 继承相关配置以避免重复设置,查看 文档了解更多信息

我们创建了 4 组 deepspeed 配置文件用于实验,包括 CPU 卸载 和 混合精度:

  • ds_flan_t5_z3_config.json
  • ds_flan_t5_z3_config_bf16.json
  • ds_flan_t5_z3_offload.json
  • ds_flan_t5_z3_offload_bf16.json
  • 你可以根据你的运行环境选择,例如如果在 NVIDIA V100s 上运行,你就不能使用带 bf16 的配置,因为 V100 不支持 bfloat16 数据类型。

    ❝ 在微调 T5 模型时,不能使用 fp16,因为它会导致精度溢出问题,参见问题 #4586#10830,和拉取请求 #10956

    如开头所述,我们使用的是 p4dn.24xlarge AWS EC2 实例,该实例包含 8 张显存为 40GB 的 NVIDIA A100。这意味着我们可以使用 bf16,它将减少近一半的模型显存占用,使我们能够在不卸载的情况下高效训练。

    我们将使用 ds_flan_t5_z3_config_bf16.json。如果你不想用 auto 值,可以查看 文档

    {
    “bf16”: {
    “enabled”: “auto”
    },
    “optimizer”: {
    “type”: “AdamW”,
    “params”: {
    “lr”: “auto”,
    “betas”: “auto”,
    “eps”: “auto”,
    “weight_decay”: “auto”
    }
    },
    “scheduler”: {
    “type”: “WarmupLR”,
    “params”: {
    “warmup_min_lr”: “auto”,
    “warmup_max_lr”: “auto”,
    “warmup_num_steps”: “auto”
    }
    },
    “zero_optimization”: {
    “stage”: 3,
    “overlap_comm”: true,
    “contiguous_gradients”: true,
    “sub_group_size”: 1e9,
    “reduce_bucket_size”: “auto”,
    “stage3_prefetch_bucket_size”: “auto”,
    “stage3_param_persistence_threshold”: “auto”,
    “stage3_max_live_parameters”: 1e9,
    “stage3_max_reuse_distance”: 1e9,
    “stage3_gather_16bit_weights_on_model_save”: false
    },
    “gradient_accumulation_steps”: “auto”,
    “gradient_clipping”: “auto”,
    “steps_per_print”: 2000,
    “train_batch_size”: “auto”,
    “train_micro_batch_size_per_gpu”: “auto”,
    “wall_clock_breakdown”: false
    }

    现在,该训练脚本上场了。我们根据 Fine Tune FLAN-T5 准备了一个 run_seq2seq_deepspeed.py 训练脚本,它支持我们配置 deepspeed 和其他超参数,包括 google/flan-t5-xxl 的模型 ID。

    我们使用 deepspeed 启动器触发训练,输入给启动器的参数包括 GPU 数量、deepspeed 配置及其它超参数 (如 google/flan-t5-xxl 的模型 ID)。

    !deepspeed –num_gpus=8 scripts/run_seq2seq_deepspeed.py
    –model_id $model_id
    –dataset_path $save_dataset_path
    –epochs 3
    –per_device_train_batch_size 8
    –per_device_eval_batch_size 8
    –generation_max_length $max_target_length
    –lr 1e-4
    –deepspeed configs/ds_flan_t5_z3_config_bf16.json

    huggingface/tokenizers: The current process just got forked, after parallelism has already been used. Disabling parallelism to avoid deadlocks…
    To disable this warning, you can either:
    – Avoid using `tokenizers` before the fork if possible
    – Explicitly set the environment variable TOKENIZERS_PARALLELISM=(true | false)
    deepspeed –num_gpus=8 scripts/run_seq2seq_deepspeed.py –model_id google/flan-t5-xxl –dataset_path data –epochs 3 –per_device_train_batch_size 8 –per_device_eval_batch_size 8 –generation_max_length 129 –lr 1e-4 –deepspeed configs/ds_flan_t5_z3_config_bf16.json

    DeepSpeed 先将模型加载到 CPU 上,然后将其拆分到 8 张 A100 上然后开始训练。使用 CNN Dailymail 数据集 进行训练大约需要 10 个小时,费用约为 322 美元。

    结果与实验

    为了更好地了解硬件要求,我们对 FLAN-T5 XL 和 XXL 进行了一系列实验,以帮助我们评估和了解硬件需求以及训练这些模型的成本。

    下表列出了实验和相关设置的详细信息。

    数据集: “cnn_dailymail”

  • 训练样本数: 287113
  • 验证样本数: 13368
  • 超参:

  • epochs: 3
  • 学习率: 1e-4
  • 运行环境设置:

  • 4x V100 16GB: p3.8xlarge
  • 4x A10G 24GB: g5.24xlarge
  • 8x V100 16GB: p3.16xlarge
  • 8x A100 40GB: p4dn.24xlarge
  • 模型
    DeepSpeed 卸载
    硬件
    GPU每卡batch size
    精度
    时长
    费用

    FLAN-T5-XL (3B)
    No
    4x V100 16GB
    OOM
    fp32

    FLAN-T5-XL (3B)
    No
    8x V100 16GB
    1
    fp32
    105h
    ~$2570

    FLAN-T5-XL (3B)
    No
    8x A100 40GB
    72
    bf16
    2.5h
    ~$81

    FLAN-T5-XL (3B)
    Yes
    4x V100 16GB
    8
    fp32
    69h
    ~$828

    FLAN-T5-XL (3B)
    Yes
    8x V100 16GB
    8
    fp32
    32h
    ~$768

    FLAN-T5-XXL (11B)
    No
    8x A100 40GB
    8
    bf16
    10h
    ~$322

    FLAN-T5-XXL (11B)
    Yes
    4x V100 16GB
    OOM
    fp32

    FLAN-T5-XXL (11B)
    Yes
    8x V100 16GB
    OOM
    fp32

    FLAN-T5-XXL (11B)
    Yes
    4x A10G 24GB
    24
    bf16
    90h
    ~$732

    FLAN-T5-XXL (11B)
    Yes
    8x A100 40GB
    48
    bf16
    19h
    ~$613

    我们可以看到 bf16 与 fp32 相比具有显著优势。FLAN-T5-XXL 能放进 4 张 A10G (24GB),但放不进 8 张 V100 16GB。

    我们的实验还表明,如果模型可以无需卸载同时以 batch size 大于 4 的配置跑在 GPU 上,其速度将比卸载模型和减小 batch size 的配置快约 2 倍且更具成本效益。

    英文原文: philschmid.de/fine-tune
    原文作者: Philipp Schmid
    译者: Matrix Yao (姚伟峰),英特尔深度学习工程师,工作方向为 transformer-family 模型在各模态数据上的应用及大规模模型的训练推理。
    审校、排版: zhongdongy (阿东) 

    正文完
    可以使用微信扫码关注公众号(ID:xzluomor)
    post-qrcode
     
    评论(没有评论)
    Generated by Feedzy