/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
8,8 млрд
Размер весов
27,5 ГБ
Лицензия
Apache 2.0
Архитектура
gpt_neox · dense
Опубликована
2 мая 2023

pythia-6.9b-deduped-4k

Генерация текстаТекст → текст3 профессии

Дообученная англоязычная модель Pythia-6.9B для генерации текста с контекстом до 4096 токенов.

83скачиваний за 30 дней10лайковвеса обновлены2 мая 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CarperAI Pythia-6.9B Deduped 4K — языковая модель авторегрессионной генерации текста на архитектуре GPT-NeoX. Это дообученная версия Pythia-6.9B Deduped: обучение продолжили с чекпойнта на шаге 143 000 на дедуплицированной версии The Pile и сохранили модель на шаге 175 500 после обработки дополнительных 134 217 728 000 токенов. Модель рассчитана на контекст до 4096 токенов и принимает и генерирует текст; в метаданных указан английский язык.

Модель подходит для генерации и продолжения текста на основе заданного контекста. В README отмечено, что при переходе с длины последовательности 2048 токенов не применялся прогрев длины контекста, который, по мнению авторов, следовало использовать. Репозиторий содержит веса PyTorch, а лицензия — Apache-2.0.

Сценарии применения

  • продолжение английского текста по началу
  • генерация черновиков и фрагментов текста
  • эксперименты с авторегрессионными языковыми моделями

Ограничения

При увеличении длины контекста с 2048 до 4096 токенов не применялся прогрев длины последовательности, что авторы отмечают как недостаток настройки обучения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Pythia-6.9B Deduped 4K is a Pythia-6.9B Deduped model fine-tuned with a 4096 context length. Training resumed from their 143,000 step checkpoint and continued on The Pile v1 Deduped (threshold=0.87). This particular model is from a checkpoint captured at step 175,500 for an extra 134,217,728,000 tokens of training.

Note: Sequence length warmup was not used to move up from 2048 but, in hindsight, should have been applied.

Config

{
  # 16 Nodes 8xA100 40GB
  "optimizer": {
    "type": "Adam",
    "params": {
      "lr": 1.2e-5,
      "betas": [0.9, 0.95],
      "eps": 1.0e-08
    },
  },
  "min_lr": 6.0e-6,

  "pipe-parallel-size": 1,
  "model-parallel-size": 2,

  "num-layers": 32,
  "hidden-size": 4096,
  "num-attention-heads": 32,
  "seq-length": 4096,
  "max-position-embeddings": 4096,

  "norm": "layernorm",
  "pos-emb": "rotary",
  "rotary_pct": 0.25,
  "no-weight-tying": true,
  "gpt_j_residual": true,
  "output_layer_parallelism": "column",

  "attention-config": [[["flash"], 32]],
  "scaled-upper-triang-masked-softmax-fusion": true,
  "bias-gelu-fusion": true,

  "zero_optimization": {
    "stage": 1,
    "allgather_partitions": true,
    "allgather_bucket_size": 1260000000,
    "overlap_comm": true,
    "reduce_scatter": true,
    "reduce_bucket_size": 1260000000,
    "contiguous_gradients": true,
    "cpu_offload": false,
  },

  "train_micro_batch_size_per_gpu": 8,
  "eval_batch_size": 2,
  "gradient_accumulation_steps": 2,
  "data-impl": "mmap",
  
  "checkpoint-activations": true,
  "checkpoint-num-layers": 1,
  "partition-activations": true,
  "synchronize-each-layer": true,

  "gradient_clipping": 1.0,
  "weight-decay": 0.1,
  "hidden-dropout": 0,
  "attention-dropout": 0,

  "fp16": {
    "fp16": true,
    "enabled": true,
    "loss_scale": 0,
    "loss_scale_window": 1000,
    "initial_scale_power": 12,
    "hysteresis": 2,
    "min_loss_scale": 1,
  },

  "train-iters": 318000, 
  "lr-decay-iters": 318000,
  "distributed-backend": "nccl",
  "lr-decay-style": "cosine",
  "warmup": 0.01,
  "checkpoint-factor": 500,
  "eval-interval": 50000,
  "eval-iters": 10,
  "extra-save-iters": [0, 512, 149001],

  "train-data-paths": ["pile_0.87_deduped_text_document"],
  "valid-data-paths": ["pile_0.87_deduped_text_document"],
  "test-data-paths": ["pile_0.87_deduped_text_document"],

  "tokenizer_type": "HFTokenizer",
  "vocab-file": "20B_tokenizer.json",

  "log-interval": 10,
  "steps_per_print": 10,
  "wall_clock_breakdown": true,
  "log-grad-norm": true,

  "launcher": "slurm",
  "deepspeed_slurm": true,
}

Acknoweldgements

This work would not have been possible without the support of Stability AI.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
1bcaa98

0 моделей