LLM 课程文档
完整的训练
并获取增强的文档体验
开始
完整的训练
现在我们将看到如何在不使用 Trainer 类的情况下，实现与上一节相同的结果。同样，我们假设您已完成第 2 节中的数据处理。以下是涵盖您所需一切内容的简短摘要
from datasets import load_dataset
from transformers import AutoTokenizer, DataCollatorWithPadding
raw_datasets = load_dataset("glue", "mrpc")
checkpoint = "bert-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
def tokenize_function(example):
return tokenizer(example["sentence1"], example["sentence2"], truncation=True)
tokenized_datasets = raw_datasets.map(tokenize_function, batched=True)
data_collator = DataCollatorWithPadding(tokenizer=tokenizer)准备训练
在实际编写训练循环之前，我们需要定义一些对象。首先是我们将用于迭代批次的数据加载器。但在定义这些数据加载器之前，我们需要对 tokenized_datasets 应用一些后处理，以处理 Trainer 为我们自动完成的一些事情。具体来说，我们需要
- 删除与模型不期望的值对应的列（例如
sentence1和sentence2列）。 - 将列
label重命名为labels（因为模型期望参数名为labels）。 - 设置数据集的格式，使其返回 PyTorch 张量而不是列表。
我们的 tokenized_datasets 为这些步骤中的每一个都提供了一个方法
tokenized_datasets = tokenized_datasets.remove_columns(["sentence1", "sentence2", "idx"])
tokenized_datasets = tokenized_datasets.rename_column("label", "labels")
tokenized_datasets.set_format("torch")
tokenized_datasets["train"].column_names然后我们可以检查结果是否只包含我们的模型将接受的列
["attention_mask", "input_ids", "labels", "token_type_ids"]现在完成此操作后，我们可以轻松定义我们的数据加载器
from torch.utils.data import DataLoader
train_dataloader = DataLoader(
tokenized_datasets["train"], shuffle=True, batch_size=8, collate_fn=data_collator
)
eval_dataloader = DataLoader(
tokenized_datasets["validation"], batch_size=8, collate_fn=data_collator
)为了快速检查数据处理中没有错误，我们可以像这样检查一个批次
for batch in train_dataloader:
break
{k: v.shape for k, v in batch.items()}{'attention_mask': torch.Size([8, 65]),
'input_ids': torch.Size([8, 65]),
'labels': torch.Size([8]),
'token_type_ids': torch.Size([8, 65])}请注意，实际形状可能对您来说略有不同，因为我们为训练数据加载器设置了 shuffle=True，并且我们在批次内填充到最大长度。
现在我们已经完全完成了数据预处理（对于任何 ML 从业者来说，这是一个令人满意但又难以实现的目标），让我们转向模型。我们像上一节一样实例化它
from transformers import AutoModelForSequenceClassification
model = AutoModelForSequenceClassification.from_pretrained(checkpoint, num_labels=2)为了确保在训练期间一切顺利，我们将我们的批次传递给此模型
outputs = model(**batch)
print(outputs.loss, outputs.logits.shape)tensor(0.5441, grad_fn=<NllLossBackward>) torch.Size([8, 2])当提供 labels 时，所有 🤗 Transformers 模型都将返回损失，我们还会得到 logits（批次中每个输入有两个，因此张量大小为 8 x 2）。
我们几乎准备好编写我们的训练循环了！我们只缺少两件事：优化器和学习率调度器。由于我们试图手动复制 Trainer 所做的事情，我们将使用相同的默认值。Trainer 使用的优化器是 AdamW，它与 Adam 相同，但在权重衰减正则化方面有所不同（请参阅 Ilya Loshchilov 和 Frank Hutter 的 “Decoupled Weight Decay Regularization”）
from transformers import AdamW
optimizer = AdamW(model.parameters(), lr=5e-5)最后，默认使用的学习率调度器只是从最大值 (5e-5) 到 0 的线性衰减。要正确定义它，我们需要知道我们将采取的训练步数，这是我们要运行的 epoch 数乘以训练批次的数量（即我们训练数据加载器的长度）。Trainer 默认使用三个 epoch，因此我们将遵循这一点
from transformers import get_scheduler
num_epochs = 3
num_training_steps = num_epochs * len(train_dataloader)
lr_scheduler = get_scheduler(
"linear",
optimizer=optimizer,
num_warmup_steps=0,
num_training_steps=num_training_steps,
)
print(num_training_steps)1377训练循环
最后一件事：如果我们有 GPU，我们希望使用它（在 CPU 上，训练可能需要几个小时而不是几分钟）。为此，我们定义一个 device，我们将把我们的模型和批次放在上面
import torch
device = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")
model.to(device)
devicedevice(type='cuda')我们现在准备好训练了！为了了解训练何时完成，我们使用 tqdm 库在我们的训练步骤数上添加一个进度条
from tqdm.auto import tqdm
progress_bar = tqdm(range(num_training_steps))
model.train()
for epoch in range(num_epochs):
for batch in train_dataloader:
batch = {k: v.to(device) for k, v in batch.items()}
outputs = model(**batch)
loss = outputs.loss
loss.backward()
optimizer.step()
lr_scheduler.step()
optimizer.zero_grad()
progress_bar.update(1)您可以看到训练循环的核心看起来很像介绍中的那个。我们没有要求任何报告，因此此训练循环不会告诉我们有关模型表现的任何信息。我们需要为此添加一个评估循环。
评估循环
正如我们之前所做的那样，我们将使用 🤗 Evaluate 库提供的指标。我们已经看到了 metric.compute() 方法，但指标实际上可以在我们使用 add_batch() 方法遍历预测循环时为我们累积批次。一旦我们累积了所有批次，我们就可以使用 metric.compute() 获得最终结果。以下是如何在评估循环中实现所有这些
import evaluate
metric = evaluate.load("glue", "mrpc")
model.eval()
for batch in eval_dataloader:
batch = {k: v.to(device) for k, v in batch.items()}
with torch.no_grad():
outputs = model(**batch)
logits = outputs.logits
predictions = torch.argmax(logits, dim=-1)
metric.add_batch(predictions=predictions, references=batch["labels"])
metric.compute(){'accuracy': 0.8431372549019608, 'f1': 0.8907849829351535}同样，由于模型头部初始化和数据混洗的随机性，您的结果会略有不同，但它们应该在同一个范围内。
✏️ 试试看！ 修改之前的训练循环，以在 SST-2 数据集上微调您的模型。
使用 🤗 Accelerate 加速您的训练循环
我们之前定义的训练循环在单个 CPU 或 GPU 上运行良好。但是使用 🤗 Accelerate 库，只需进行一些调整，我们就可以在多个 GPU 或 TPU 上启用分布式训练。从创建训练和验证数据加载器开始，以下是我们的手动训练循环的样子
from transformers import AdamW, AutoModelForSequenceClassification, get_scheduler
model = AutoModelForSequenceClassification.from_pretrained(checkpoint, num_labels=2)
optimizer = AdamW(model.parameters(), lr=3e-5)
device = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")
model.to(device)
num_epochs = 3
num_training_steps = num_epochs * len(train_dataloader)
lr_scheduler = get_scheduler(
"linear",
optimizer=optimizer,
num_warmup_steps=0,
num_training_steps=num_training_steps,
)
progress_bar = tqdm(range(num_training_steps))
model.train()
for epoch in range(num_epochs):
for batch in train_dataloader:
batch = {k: v.to(device) for k, v in batch.items()}
outputs = model(**batch)
loss = outputs.loss
loss.backward()
optimizer.step()
lr_scheduler.step()
optimizer.zero_grad()
progress_bar.update(1)以下是更改
+ from accelerate import Accelerator
from transformers import AdamW, AutoModelForSequenceClassification, get_scheduler
+ accelerator = Accelerator()
model = AutoModelForSequenceClassification.from_pretrained(checkpoint, num_labels=2)
optimizer = AdamW(model.parameters(), lr=3e-5)
- device = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")
- model.to(device)
+ train_dataloader, eval_dataloader, model, optimizer = accelerator.prepare(
+ train_dataloader, eval_dataloader, model, optimizer
+ )
num_epochs = 3
num_training_steps = num_epochs * len(train_dataloader)
lr_scheduler = get_scheduler(
"linear",
optimizer=optimizer,
num_warmup_steps=0,
num_training_steps=num_training_steps
)
progress_bar = tqdm(range(num_training_steps))
model.train()
for epoch in range(num_epochs):
for batch in train_dataloader:
- batch = {k: v.to(device) for k, v in batch.items()}
outputs = model(**batch)
loss = outputs.loss
- loss.backward()
+ accelerator.backward(loss)
optimizer.step()
lr_scheduler.step()
optimizer.zero_grad()
progress_bar.update(1)要添加的第一行是导入行。第二行实例化一个 Accelerator 对象，该对象将查看环境并初始化适当的分布式设置。🤗 Accelerate 为您处理设备放置，因此您可以删除将模型放在设备上的行（或者，如果您愿意，可以将它们更改为使用 accelerator.device 而不是 device）。
然后，主要工作在将数据加载器、模型和优化器发送到 accelerator.prepare() 的行中完成。这将把这些对象包装在适当的容器中，以确保您的分布式训练按预期工作。剩余的更改是删除将批次放在 device 上的行（同样，如果您想保留它，您可以将其更改为使用 accelerator.device）并将 loss.backward() 替换为 accelerator.backward(loss)。
如果您想复制粘贴它来试用，以下是使用 🤗 Accelerate 的完整训练循环的样子
from accelerate import Accelerator
from transformers import AdamW, AutoModelForSequenceClassification, get_scheduler
accelerator = Accelerator()
model = AutoModelForSequenceClassification.from_pretrained(checkpoint, num_labels=2)
optimizer = AdamW(model.parameters(), lr=3e-5)
train_dl, eval_dl, model, optimizer = accelerator.prepare(
train_dataloader, eval_dataloader, model, optimizer
)
num_epochs = 3
num_training_steps = num_epochs * len(train_dl)
lr_scheduler = get_scheduler(
"linear",
optimizer=optimizer,
num_warmup_steps=0,
num_training_steps=num_training_steps,
)
progress_bar = tqdm(range(num_training_steps))
model.train()
for epoch in range(num_epochs):
for batch in train_dl:
outputs = model(**batch)
loss = outputs.loss
accelerator.backward(loss)
optimizer.step()
lr_scheduler.step()
optimizer.zero_grad()
progress_bar.update(1)将此代码放入 train.py 脚本将使该脚本可在任何类型的分布式设置上运行。要在您的分布式设置中试用它，请运行命令
accelerate config
这将提示您回答几个问题并将您的答案转储到此命令使用的配置文件中
accelerate launch train.py这将启动分布式训练。
如果您想在 Notebook 中尝试此操作（例如，在 Colab 上使用 TPU 进行测试），只需将代码粘贴到 training_function() 中并运行最后一个单元格即可
from accelerate import notebook_launcher
notebook_launcher(training_function)您可以在 🤗 Accelerate repo 中找到更多示例。
< > 在 GitHub 上更新