mindspore两日集训营202209-预热作业和作业一

https://gitee.com/mindspore/community/issues/I5N0IZ
预热作业
如图，非常简单，这样就跑起来了。

我们顺利地把4个样例全部跑完了。

1、GPT
第一个pytest非常简单，运行就可以了
第二个跑脚本，需要注意几点，我们先用官网案例试一试

git clone https://gitee.com/mindspore/models.git
cd  models/research/nlp/gpt2


1
2
3
4

可以参考这篇论文
https://d4mucfpksywv.cloudfront.net/better-language-models/language-models.pdf

针对这次的作业，参考https://gitee.com/mindspore/transformer/blob/master/examples/preprocess/gptpreprocess/README.md

我们下载其中一部分数据后解压，

cd openwebtext
xz -dk *
1
2

我们看到，这是一些文本信息。

cd ..
python pre_process.py \
--input_glob=./openwebtext/* \
--dataset_type=openwebtext \
--output_file=./output/openwebtext.mindrecord
1
2
3
4
5

如果遇到了编码问题，请在代码中加上errors=‘ignore’

终于搞定了，

python -m transformer.train \
--config='./transformer/configs/gpt/gpt_base.yaml' \
--epoch_size=1 \
--data_url='./examples/preprocess/gptpreprocess/output/' \
--optimizer="adam"  \
--seq_length=1024 \
--parallel_mode="stand_alone" \
--global_batch_size=4 \
--vocab_size=50257 \
--hidden_size=2048 \
--num_layers=24 \
--num_heads=16 \
--device_target="GPU" > standalone_train_gpu_log.txt 2>&1 &
1
2
3
4
5
6
7
8
9
10
11
12
13

显然，wsl这么跑是会崩掉的
那我们用启智openi跑一跑

这里bb了一句这样的话，我就不知道能否成功了，因此压缩后再上传一次。

不错子

但是这个元数据毕竟太大，我们可以采用其他的数据集训练，或者使用一些中文文本训练对话机器人
我们要创建自己的mindrecord

最后折腾了半天，也没有搞清楚官网的教程，迫不得已，自己写了一个。
以下是开源链接
最后可以达到这样的效果，也就训练了几分钟，勉勉强强