#

门控线性单位和变体

这将为自动回归训练一个简单的变压器模型。我们为位置前馈网络尝试不同的变体。可重用和可配置的定义在中configs.py 。

16import torch
17from labml import experiment
18from labml.configs import option
19from labml.utils.pytorch import get_modules
20from labml_helpers.module import Module
21
22from labml_nn.experiments.nlp_autoregression import NLPAutoRegressionConfigs
23from labml_nn.transformers import Encoder, Generator, TransformerConfigs
24from labml_nn.transformers.utils import subsequent_mask

#

自动回归模型

27class AutoregressiveModel(Module):

#

32    def __init__(self, src_embed: Module, encoder: Encoder, generator: Generator):
33        super().__init__()

#

令牌嵌入模块

35        self.src_embed = src_embed

#

基于变压器的编码器

37        self.encoder = encoder

#

下一代币生成层；这会给出下一个令牌的日志

40        self.generator = generator

#

这将在第一次调用时初始化

42        self.src_mask = None

#

44    def forward(self, src: torch.Tensor):

#

创建后续掩码，以便变压器只能关注过去的令牌。

46        if self.src_mask is None or self.src_mask.size(0) != len(src):
47            self.src_mask = subsequent_mask(len(src)).to(src.device)

#

嵌入令牌 (src ) 并通过变压器运行它

49        res = self.encoder(self.src_embed(src), self.src_mask)

#

生成下一个令牌的日志

51        return self.generator(res), None

#

配置

当我们开始实验时，默认配置可以而且将会被覆盖

54class Configs(NLPAutoRegressionConfigs):

#

61    transformer: TransformerConfigs
62    model: AutoregressiveModel

#

初始化自回归模型

65@option(Configs.model)
66def autoregressive_model(c: Configs):

#

70    m = AutoregressiveModel(c.transformer.src_embed, c.transformer.encoder, c.transformer.generator)
71    return m.to(c.device)

#

为我们的自回归模型初始化可配置的变压器编码器。

74@option(Configs.transformer)
75def transformer_c(c: Configs):

#

79    tc = TransformerConfigs()
80    tc.n_src_vocab = c.n_tokens
81    tc.n_tgt_vocab = c.n_tokens
82
83    return tc

#

86def main():

#

创建实验

88    experiment.create(name="glu_variants")

#

创建配置

90    conf = Configs()

#

装载配置

92    experiment.configs(conf,

#

要覆盖的配置字典

94                       {'tokenizer': 'character',
95                        'prompt_separator': '',
96                        'prompt': 'It is ',
97                        'text': 'tiny_shakespeare',
98
99                        'optimizer.optimizer': 'Noam',
100                        'optimizer.learning_rate': 1.,
101                        'optimizer.d_model': 256,
102
103                        'seq_len': 1024,
104                        'epochs': 128,
105                        'batch_size': 6,
106                        'inner_iterations': 10,

#

GLU Variant，GLU、Bilinear、regLU、GEGLU、SwiGLU 之一

这些是在可配置的 FFN 实现中定义的

112                        'transformer.ffn.glu_variant': 'Bilinear',

#

变压器配置

115                        'transformer.d_model': 256,
116                        'transformer.ffn.d_ff': 1024,
117                        'transformer.n_heads': 8,
118                        'transformer.n_layers': 6})

#

这是初始化模型所必需的

121    conf.n_tokens = conf.text.n_tokens

#

设置用于保存和加载的模型

124    experiment.add_pytorch_models(get_modules(conf))

#

开始实验

127    with experiment.start():

#

TrainValidConfigs.run

129        conf.run()
130
131
132if __name__ == '__main__':
133    main()