Accelerate documentation
Утилиты Megatron-LM
Утилиты Megatron-LM
MegatronLMPlugin
класс accelerate.utils.MegatronLMPlugin
< source >( tp_degree: int = Nonepp_degree: int = Noneuse_custom_fsdp: bool = Noneoverlap_cpu_optimizer_d2h_h2d: bool = Noneno_load_optim: bool = Noneeod_mask_loss: bool = Noneno_save_optim: bool = Noneoptimizer_cpu_offload: bool = Noneuse_precision_aware_optimizer: bool = Nonedecoder_last_pipeline_num_layers: int = Nonerecompute_granularity: str = Nonerecompute_method: str = Nonerecompute_num_layers: int = Noneattention_backend: bool = Noneexpert_model_parallel_size: int = Nonecontext_parallel_size: int = Noneattention_dropout: float = Nonehidden_dropout: float = Noneattention_softmax_in_fp32: bool = Noneexpert_tensor_parallel_size: int = Nonecalculate_per_token_loss: bool = Noneuse_rotary_position_embeddings: bool = Nonenum_micro_batches: int = Nonegradient_clipping: float = Nonesequence_parallelism: bool = Nonerecompute_activations: bool = Noneuse_distributed_optimizer: bool = Nonepipeline_model_parallel_split_rank: int = Nonenum_layers_per_virtual_pipeline_stage: int = Noneis_train_batch_min: str = Truetrain_iters: int = Nonetrain_samples: int = Noneweight_decay_incr_style: str = 'constant'start_weight_decay: float = Noneend_weight_decay: float = Nonelr_decay_style: str = 'linear'lr_decay_iters: int = Nonelr_decay_samples: int = Nonelr_warmup_iters: int = Nonelr_warmup_samples: int = Nonelr_warmup_fraction: float = Nonemin_lr: float = 0consumed_samples: list[int] = Noneno_wd_decay_cond: typing.Callable | None = Nonescale_lr_cond: typing.Callable | None = Nonelr_mult: float = 1.0megatron_dataset_flag: bool = Falseseq_length: int = Noneencoder_seq_length: int = Nonedecoder_seq_length: int = Nonetensorboard_dir: str = Noneset_all_logging_options: bool = Falseeval_iters: int = 100eval_interval: int = 1000return_logits: bool = Falsecustom_train_step_class: typing.Any | None = Nonecustom_train_step_kwargs: dict[str, typing.Any] | None = Nonecustom_model_provider_function: typing.Callable | None = Nonecustom_prepare_model_function: typing.Callable | None = Nonecustom_megatron_datasets_provider_function: typing.Callable | None = Nonecustom_get_batch_function: typing.Callable | None = Nonecustom_loss_function: typing.Callable | None = Noneother_megatron_args: dict[str, typing.Any] | None = None )
Параметры
- tp_degree (
int, по умолчаниюNone) — Степень параллелизма тензоров. - pp_degree (
int, по умолчаниюNone) — Степень конвейерного параллелизма. - num_micro_batches (
int, по умолчаниюNone) — Количество микробатчей. - gradient_clipping (
float, по умолчаниюNone) — Значение обрезки градиентов на основе глобальной L2-нормы (0 для отключения). - sequence_parallelism (
bool, по умолчаниюNone) — Включает параллелизм последовательностей. - recompute_activations (
bool, по умолчаниюNone) — Включает выборочный пересчёт активаций. - use_distributed_optimizer (
bool, по умолчаниюNone) — Включить распределённый оптимизатор. - pipeline_model_parallel_split_rank (
int, по умолчаниюNone) — Ранг, на котором следует разделить энкодер и декодер. - num_layers_per_virtual_pipeline_stage (
int, по умолчаниюNone) — Количество слоев на виртуальную стадию конвейера. - is_train_batch_min (
str, по умолчаниюTrue) — Если указаны оба загрузчика данных для обучения и оценки, этот параметр определяетmicro_batch_size. - train_iters (
int, по умолчаниюNone) — Общее количество образцов для обучения во всех прогонах обучения. Обратите внимание, что при использованииMegatronLMDummySchedulerнеобходимо указать либо train-iters, либо train-samples. - train_samples (
int, по умолчаниюNone) — Общее количество образцов для обучения во всех циклах обучения. Обратите внимание, что при использованииMegatronLMDummySchedulerнеобходимо указать либо train-iters, либо train-samples. - weight_decay_incr_style (
str, по умолчанию'constant') — Функция приращения весового затухания. choices=[“constant”, “linear”, “cosine”]. - start_weight_decay (
float, по умолчаниюNone) — Начальный коэффициент затухания весов для L2-регуляризации. - end_weight_decay (
float, по умолчаниюNone) — Коэффициент затухания веса в конце обучения для L2-регуляризации. - lr_decay_style (
str, по умолчанию'linear') — Функция затухания скорости обучения. choices=[‘constant’, ‘linear’, ‘cosine’]. - lr_decay_iters (
int, по умолчаниюNone) — Количество итераций для затухания скорости обучения. Если значение равно None, по умолчанию используетсяtrain_iters. - lr_decay_samples (
int, по умолчаниюNone) — Количество образцов для затухания скорости обучения. Если значение равно None, по умолчанию используетсяtrain_samples. - lr_warmup_iters (
int, по умолчаниюNone) — Количество итераций для линейного прогрева скорости обучения. - lr_warmup_samples (
int, по умолчаниюNone) — Количество образцов, на протяжении которых линейно выполняется прогрев скорости обучения. - lr_warmup_fraction (
float, по умолчаниюNone) — Доля lr-warmup-(итераций/образцов), в течение которой линейно выполняется прогрев скорости обучения. - min_lr (
float, по умолчанию0) — Минимальное значение коэффициента обучения. Планировщик обрезает значения ниже этого порога. - consumed_samples (
List, по умолчаниюNone) — Количество использованных образцов в том же порядке, что и загрузчики данных для вызоваaccelerator.prepare. - no_wd_decay_cond (
Optional, по умолчаниюNone) — Условие для отключения weight decay. - scale_lr_cond (
Optional, по умолчаниюNone) — Условие для масштабирования скорости обучения. - lr_mult (
float, по умолчанию1.0) — Множитель скорости обучения. - megatron_dataset_flag (
bool, по умолчаниюFalse) — Указывает, следует ли формат набора данных формату Indexed/Cached/MemoryMapped от Megatron-LM. - seq_length (
int, по умолчаниюNone) — Максимальная длина последовательности для обработки. - encoder_seq_length (
int, по умолчаниюNone) — Максимальная длина последовательности для обработки энкодером. - decoder_seq_length (
int, по умолчаниюNone) — Максимальная длина последовательности для обработки декодером. - tensorboard_dir (
str, по умолчаниюNone) — Путь для сохранения журналов tensorboard. - set_all_logging_options (
bool, по умолчаниюFalse) — Указывает, следует ли установить все параметры журналирования. - eval_iters (
int, по умолчанию100) — Количество итераций, выполняемых для оценки валидации/теста. - eval_interval (
int, по умолчанию1000) — Интервал между запусками оценки на валидационной выборке. - return_logits (
bool, по умолчаниюFalse) — Возвращать ли логиты из модели. - custom_train_step_class (
Optional, по умолчаниюNone) — Пользовательский класс для шага обучения. - custom_train_step_kwargs (
Optional, по умолчаниюNone) — Пользовательские аргументы для шага обучения. - custom_model_provider_function (
Optional, по умолчаниюNone) — Пользовательская функция провайдера модели. - custom_prepare_model_function (
Optional, по умолчаниюNone) — Пользовательская функция подготовки модели. - custom_megatron_datasets_provider_function (
Optional, по умолчаниюNone) — Пользовательская функция-провайдер наборов данных megatron train_valid_test. - custom_get_batch_function (
Optional, по умолчаниюNone) — Пользовательская функция получения батча. - custom_loss_function (
Optional, по умолчаниюNone) — Пользовательская функция потерь. - other_megatron_args (
Optional, по умолчаниюNone) — Другие аргументы Megatron-LM. См. документацию Megatron-LM.
Плагин для Megatron-LM, обеспечивающий тензорное, конвейерное, последовательное и данные параллелизм. Также позволяет использовать выборочный пересчёт активаций и оптимизированные слиянные ядра.
MegatronLMDummyScheduler
класс accelerate.utils.MegatronLMDummyScheduler
< source >( optimizertotal_num_steps = Nonewarmup_num_steps = 0**kwargs )
Dummy scheduler представляет параметры модели или группы параметров; он используется в первую очередь для следования стандартному циклу обучения, когда конфигурация планировщика указана в файле конфигурации deepspeed.
MegatronLMDummyDataLoader
класс accelerate.utils.MegatronLMDummyDataLoader
< source >( **dataset_kwargs )
Dummy dataloader предоставляет параметры модели или группы параметров; это используется в первую очередь для следования стандартной процедуре обучения
AbstractTrainStep
Абстрактный класс для пакетной обработки, прямого прохода и обработки функции потерь.
GPTTrainStep
класс accelerate.utils.GPTTrainStep
< source >( acceleratorargs )
Класс шага обучения GPT.
BertTrainStep
класс accelerate.utils.BertTrainStep
< source >( acceleratorargs )
Класс шага обучения Bert.
T5TrainStep
класс accelerate.utils.T5TrainStep
< source >( acceleratorargs )
Класс шага обучения T5.
avg_losses_across_data_parallel_group
accelerate.utils.avg_losses_across_data_parallel_group
< source >( losses )
Средние потери в группе параллелизма данных.