Skip to content

Latest commit

 

History

History
227 lines (170 loc) · 11.6 KB

codegen-lora-gaudi2-cn.md

File metadata and controls

227 lines (170 loc) · 11.6 KB
Raw

使用 Habana Gaudi2 加速 Codegen 模型的微调与推理

使用Optimum Habana ，你可以轻松在 Habana Gaudi2 加速卡上对大语言模型 (LLM) 的进行快速训练和推理。本文，我们将介绍对 Codegen，一个用于代码生成的开源 LLM，进行低秩适配（Low-Rank Adaptation，LoRA）训练的全过程。我们还会使用 Codegen 对 Habana Gaudi2 的训练和推理效率进行基准测试。

Codegen

Codegen 是一系列基于 transformer 的自回归语言模型，使用标准的基于下一词元预测的语言建模目标函数进行训练。 Codegen 由 Salesforce AI Research 开发和发布，提供多种尺寸（350M、2.7B、6.1B 和 16B 参数），每个尺寸还有基于不同训练数据集训练而得的变体。

其中，Codegen-NL 基于 The Pile 数据集训练而得，The Pile 是一个 825 GB 的自然语言数据集，由 22 个子数据集组成。基于 Codegen-NL，Codegen-Multi 是在 BigQuery 数据集的一个子集上进一步训练而得的，该子集包含来自六种编程语言（C、C++、Go、Java、JavaScript 和 Python）的开源代码。最后，Codegen-Mono 是以 Codegen-Multi 为初始权重，在 BigPython 这个大型 Python 代码数据集上进行训练而得的。

本文我们使用 Codegen-Mono 的最大变体 (Codegen-Mono-16B)，下文简称为 Codegen。

LoRA

通过额外的微调，预训练的 LLM 通常可以适应与其预训练任务不同的任务。然而，在 Codegen 等模型中微调全部 16B 参数很吃资源，且在大多数情况下是不必要的。参数高效微调 (parameter-efficient finetuning，PEFT) 方法不对模型的全部参数进行完全微调，而是通过仅学习目标新任务所需的少量增量权重来使得预训练的 LLM 能够适应新任务。

低阶适配（LoRA）是 PEFT 的一种方法，最近相当流行。 LoRA 使用两个低秩矩阵对 LLM 的增量权重进行参数化，其中秩用于控制微调期间可训练参数量。如下图所示，在每次前向传播期间，由低秩矩阵表示的增量权重将添加到预训练的 LLM 权重中。

LoRA 使用的低秩分解；图源：LoRA: Low-Rank Adaptation of Large Language Models

LoRA 使 Codegen 等模型不需要跨多个加速卡或 GPU 进行分布式训练，也能有效地适配新的数据集和任务。

硬件

Gaudi2 是 Habana Labs 开发的人工智能加速卡，其可为人工智能工作负载提供最先进的深度学习训练和推理性能。 每张 Gaudi2 加速卡（代码中为 “HPU”）有 96GB 的内置内存，你可通过英特尔开发者云 (IDC) 访问到包含 8 张 Gaudi2 夹层卡（mezzanine card）的 Gaudi2 服务器，你也可以购买超微（Supermicro）或威强电（IEI）的服务器进行本地化部署。有关 IDC 上 Gaudi2 入门的详细说明，请参考这篇 Huggingface 博文。

本文，我们使用 IDC 上的 Gaudi2 加速卡进行训练和推理。

训练

我们的训练和推理主要基于 Optimum Habana，它是 Huggingface Transformers 和 Diffusers 库与 Habana Gaudi 系列加速卡之间的接口。首先，我们克隆 Optimum Habana 库，然后安装它以及必要的依赖项：

git clone https://github.com/huggingface/optimum-habana.git
pip install –e optimum-habana/
pip install –r optimum-habana/examples/language-modeling/requirements.txt
pip install –r optimum-habana/examples/text-generation/requirements.txt

我们使用 sql-create-context 数据集进行微调。 sql-create-context 数据集包含 78577 个自然语言查询示例、SQL CREATE TABLE 上下文及其对应的 SQL 查询语句。下面给出了该数据集的一个样本：

{
"question": "The 'firs park' stadium had the lowest average attendence of what?",
"context": "CREATE TABLE table_11206916_1 (average INTEGER, stadium VARCHAR)",
"answer": "SELECT MIN(average) FROM table_11206916_1 WHERE stadium = 'Firs Park'"
}

我们从 sql-create-context 数据集中随机抽取 20% 样本对 Codegen-Mono 进行微调，也就是总共 15716 个微调样本。首先，我们下载、分割训练集并将其写入名为 “train-sql-create-context.json” 的文件中：

from datasets import load_dataset
dataset = load_dataset('b-mc2/sql-create-context')
ds_train_test = dataset['train'].train_test_split(test_size=0.2)
ds_train_test['test'].to_json('./data-for-finetune/train-sql-create-context.json')

准备好训练数据集后，我们就可以开始进行 LoRA 微调了。要使用单张 Gaudi2 加速卡进行微调，我们可以在 Optimum Habana 中调用 run_lora_clm.py，如下所示：

cd optimum-habana/examples/language-modeling/
python run_lora_clm.py     \
    --model_name_or_path Salesforce/codegen-16B-mono \
    --train_file "./data-for-finetune/train-sql-create-context.json" \
    --report_to "tensorboard" \
    --bf16 True \
    --output_dir ./finetuned-models/codegen-on-sql-create-context-hpu1-lora8-bs4 \
    --num_train_epochs 5 \
    --per_device_train_batch_size 4 \
    --evaluation_strategy "no" \
    --save_strategy "no" \
    --learning_rate 1e-4 \
    --logging_steps 1 \
    --dataset_concatenation \
    --do_train --use_habana --use_lazy_mode \
    --throughput_warmup_steps 3 \
    --lora_target_modules "qkv_proj" \
    --lora_rank 8 \
    --cache_dir /codegen/cache/

要加快训练，我们可以通过 DeepSpeed 使用多张 Gaudi2 来训练模型。例如，只需调用 `gaudi_spawn.py`` 即可使用 8 张 Gaudi2 启动相同的训练作业：

cd optimum-habana/examples/language-modeling/
python ../gaudi_spawn.py \
    --world_size 8 --use_deepspeed run_lora_clm.py \
    --model_name_or_path Salesforce/codegen-16B-mono \
    --train_file "./data-for-finetune/train-sql-create-context.json" \
    --report_to "tensorboard" \
    --bf16 True \
    --output_dir ./finetuned-models/codegen-finetune-on-sql-create-context-hpu8-lora8-bs4 \
    --num_train_epochs 5 \
    --per_device_train_batch_size 4 \
    --per_device_eval_batch_size 4 \
    --evaluation_strategy "no" \
    --save_strategy "no" \
    --learning_rate 1e-4 \
    --logging_steps 1 \
    --dataset_concatenation \
    --do_train \
    --use_habana \
    --use_lazy_mode \
    --throughput_warmup_steps 3 \
    --cache_dir /codegen/cache/ \
    --use_hpu_graphs_for_inference \
    --lora_target_modules "qkv_proj" \
    --lora_rank 8 \
    --deepspeed deepspeed_config.json

上例中使用了 8 张 Gaudi2 进行微调，其 DeepSpeed 配置如下：

{
    "steps_per_print": 64,
    "train_batch_size": "auto",
    "train_micro_batch_size_per_gpu": "auto",
    "gradient_accumulation_steps": "auto",
    "bf16": {
        "enabled": true
    },
    "gradient_clipping": 1.0,
    "zero_optimization": {
        "stage": 2,
        "overlap_comm": false,
        "reduce_scatter": false,
        "contiguous_gradients": false
    }
}

利用多张 Gaudi2 和 DeepSpeed 可显著加快训练速度。下面我们展示了上述微调实验中使用的 Gaudi2 数量与总训练时间之间的关系。

推理

现在我们已经使用 LoRA 对 Codegen 进行了微调，我们可以观察下训练后的模型其生成质量是否有改善。我们使用以下查询来评估 LoR​​A 微调前后的 Codegen 的生成质量：

You are a text-to-SQL model. Your job is to answer questions about a database. You are given a question and a context regarding one or more tables in the database.

You must output the SQL query that answers the question. The SQL query must be between [SQL] and [/SQL] tags.

### Question:
The 'firs park' stadium had the lowest average attendence of what?

### Context:
CREATE TABLE table_11206916_1 (average INTEGER, stadium VARCHAR)

### Response:

我们可以使用 Optimum Habana 中的 run_generation.py 脚本来用 LoRA 微调后的 Codegen 模型生成此查询的补全：

cd optimum-habana/examples/text-generation
python run_generation.py \
--model_name_or_path "Salesforce/codegen-16B-mono" \
--peft_model "../language-modeling/finetuned-models/codegen-on-sql-create-context-hpu1-lora8-bs4" \
--max_new_tokens 100 --bf16 --use_hpu_graphs --use_kv_cache \
--prompt "You are a text-to-SQL model. Your job is to answer questions about a database. You are given a question and a context regarding one or more tables in the database.

You must output the SQL query that answers the question. The SQL query must be between [SQL] and [/SQL] tags.

### Question:
The 'firs park' stadium had the lowest average attendence of what?

### Context:
CREATE TABLE table_11206916_1 (average INTEGER, stadium VARCHAR)

### Response:"

生成的响应如下，回答正确：

### Response:
[SQL]SELECT MIN(average) FROM table_11206916_1 WHERE stadium = "Firs Park"[/SQL]

现在让我们看下相同的查询在原始 Codegen 模型上的输出：

cd optimum-habana/examples/text-generation
python run_generation.py \
--model_name_or_path "Salesforce/codegen-16B-mono" \
--max_new_tokens 100 --bf16 --use_hpu_graphs --use_kv_cache \
--prompt "You are a text-to-SQL model. Your job is to answer questions about a database. You are given a question and a context regarding one or more tables in the database.

You must output the SQL query that answers the question. The SQL query must be between [SQL] and [/SQL] tags.

### Question:
The 'firs park' stadium had the lowest average attendence of what?

### Context:
CREATE TABLE table_11206916_1 (average INTEGER, stadium VARCHAR)

### Response:"

如下所示，原始 Codegen 模型无法生成正确的 SQL 代码来回答问题：

### Response:
SELECT stadium, AVG(average)
FROM table_11206916_1
GROUP BY stadium
HAVING AVG(average) = (SELECT MIN(average)
FROM table_11206916_1)

此示例展示了 LoRA 如何成功提高 Codegen 生成预训练数据集中未见的编程语言的补全的能力。

除了 LLM 的 LoRA 微调之外，Optimum Habana 还包括对 Codegen 等模型的推理优化，以在 Habana Gaudi2 加速卡上实现快速推理。使用我们的 LoRA 微调后的 Codgen 模型和上文中的 run_generation.py 脚本，其在各种 batch size 下的吞吐量如下图所示：

总结

通过本文，我们展示了如何使用 Habana Gaudi2 加速卡和 Optimum Habana 快速、轻松地通过 LoRA 微调 LLM。尽管本文仅以 Codegen 为例，但 Optimum Habana 中的 LoRA 微调和推理脚本与其他 LLM 广泛兼容。试试在英特尔开发者云的 Habana Gaudi2 上部署你自己的人工智能工作负载吧！

英文原文: https://community.intel.com/t5/Blogs/Tech-Innovation/Artificial-Intelligence-AI/Accelerating-Codegen-training-and-inference-on-Habana-Gaudi2/post/1521248 原文作者：Tiep Le，Ke Ding，Vasudev Lal，Yi Wang，Matrix Yao，Phillip Howard，作者均来自英特尔 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。