File size: 3,671 Bytes
b7ea01b |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 |
---
license: apache-2.0
---
[English](./README.md) | **中文**
## GTE 新模型代码实现
此模型为 BERT-like 编码器模型，加入了以下优化：
1. 使用 RoPE [^1] 旋转位置编码替换 absolute position embedding。
2. 使用 GLU (Gated Linear Unit) [^2] 替换普通的激活函数。
3. 设置 attention dropout 为 0 以方便应用 `xformers` 和 `flash_attn` 等优化。
4. 使用 Unpadding 技术去除对 padding token 的无用计算 [^3]（默认关闭，需要结合 `flash_attn` 或 `xformers` 使用来获得最高加速）。
5. 设置 `vocab_size % 64 = 0`。
### 推荐：启用 Unpadding 和 xformers 加速
此代码支持使用 `xformers` 加速 attention 计算，可以根据设备类型自动选择优化实现，比如 `flash_attn`。通过 `xformers`，在不能支持 `flash_attn` 的旧设备比如`V100`上也可以获得极大的加速。
首先，安装 `xformers`（需要预先安装`pytorch`）：
```
if pytorch 使用 conda 安装 :
conda install xformers -c xformers
elif pytorch 使用 pip 安装 :
# cuda 11.8 version
pip3 install -U xformers --index-url https://download.pytorch.org/whl/cu118
# cuda 12.1 version
pip3 install -U xformers --index-url https://download.pytorch.org/whl/cu121
```
更多信息可参考 [installing-xformers](https://github.com/facebookresearch/xformers?tab=readme-ov-file#installing-xformers)。
然后，加载模型时设置 `unpad_inputs` 和 `use_memory_efficient_attention` 为 `true`，并启用 `fp16` 混合精度计算，即可获得最快加速。
```python
import torch
from transformers import AutoModel, AutoTokenizer
path = 'Alibaba-NLP/gte-base-en-v1.5'
device = torch.device('cuda')
tokenzier = AutoTokenizer.from_pretrained(path)
model = AutoModel.from_pretrained(
path,
trust_remote_code=True,
unpad_inputs=True,
use_memory_efficient_attention=True,
).to(device)
with torch.autocast(device_type=device.type, dtype=torch.float16): # 或bfloat16
with torch.inference_mode():
outputs = model(**inputs.to(device))
```
也可以直接修改模型的 `config.json` 中 `unpad_inputs` 和 `use_memory_efficient_attention` 为 `true`，省去代码中的设置。
---
<details>
<summary> 与 nomic-embed 和 nomicBERT 的关系 </summary>
可能有人会质疑我们的原创性，认为这只是对 `nomicBERT` 的复刻。
在此澄清，我们是工作与 `nomicBERT` 平行并源自相同的想法。
应用 RoPE 和 GLU 到 BERT 上支持长文本是一个简单直接的想法。我们从2023年8月开始了探索。在2023年11月，完成了 `gte-base-en-v1.1` 的开发，然后我去忙别的课题的ACL投稿了。
`nomic-embed` [^4] 的发布让我们感受到了压力，也获得了更多资源得以加速继续开发这一项目。如果没有 `nomicai` 的杰出工作，`gte-v1.5` 系列可能还要延期很久。感谢！
</details>
---
[^1]: Su, Jianlin, Murtadha Ahmed, Yu Lu, Shengfeng Pan, Wen Bo, and Yunfeng Liu. "Roformer: Enhanced transformer with rotary position embedding." Neurocomputing 568 (2024): 127063.
[^2]: Shazeer, Noam. "Glu variants improve transformer." arXiv preprint arXiv:2002.05202 (2020).
[^3]: Portes, Jacob, Alexander Trott, Sam Havens, Daniel King, Abhinav Venigalla, Moin Nadeem, Nikhil Sardana, Daya Khudia, and Jonathan Frankle. "MosaicBERT: A Bidirectional Encoder Optimized for Fast Pretraining." Advances in Neural Information Processing Systems 36 (2024).
[^4]: Nussbaum, Zach, John X. Morris, Brandon Duderstadt, and Andriy Mulyar. "Nomic Embed: Training a Reproducible Long Context Text Embedder." arXiv preprint arXiv:2402.01613 (2024). |