Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
CSDN 技术社区
ai
chatCSDN
提交
09fc08b8
C
chatCSDN
项目概览
CSDN 技术社区
/
ai
/
chatCSDN
通知
107
Star
8
Fork
2
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
C
chatCSDN
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
提交
09fc08b8
编写于
3月 10, 2023
作者:
U
u010280923
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
opt reward model
上级
5f46304e
变更
1
显示空白变更内容
内联
并排
Showing
1 changed file
with
8 addition
and
8 deletion
+8
-8
src/rlhf/reward.py
src/rlhf/reward.py
+8
-8
未找到文件。
src/rlhf/reward.py
浏览文件 @
09fc08b8
...
...
@@ -66,14 +66,9 @@ class RewardModel(pl.LightningModule):
dim
=
self
.
args
.
n_embd
# 用于区分输入中的 prompt 和 response,当作模型参数进行训练,初始化为全0
self
.
prompt_embed
=
nn
.
Parameter
(
torch
.
zeros
(
1
,
1
,
dim
))
self
.
prompt_embed
=
nn
.
Parameter
(
torch
.
zeros
(
1
,
1
,
dim
))
.
to
()
self
.
response_embed
=
nn
.
Parameter
(
torch
.
zeros
(
1
,
1
,
dim
))
self
.
padding_embed
=
nn
.
Parameter
(
torch
.
zeros
(
1
,
1
,
dim
),
requires_grad
=
False
)
self
.
prompt_response_mask_embed
=
torch
.
stack
([
self
.
prompt_embed
,
self
.
response_embed
,
self
.
padding_embed
])
# reward 得分计算
self
.
pred_reward
=
nn
.
Sequential
(
...
...
@@ -158,15 +153,20 @@ class RewardModel(pl.LightningModule):
# derive prompt mask from prompt lengths
if
exists
(
prompt_lengths
):
batch
,
seq_len
=
x
.
shape
arange
=
torch
.
arange
(
seq_len
,
device
=
x
.
device
)
arange
=
torch
.
arange
(
seq_len
,
device
=
x
.
device
)
prompt_mask
=
repeat
(
arange
,
'n -> b n'
,
b
=
batch
)
<
rearrange
(
prompt_lengths
,
'b -> b 1'
)
# reward model should have an understanding of which section is prompt, and which section is response
# 根据 prompt_mask 中 token 的 True 和 False,从 prompt_embed 或 response_embed 中取值
# 如果为 True,则从 prompt_embed 中选,否则从 response_embed 中选
prompt_response_mask_embed
=
torch
.
stack
([
self
.
prompt_embed
,
self
.
response_embed
,
self
.
padding_embed
]).
to
(
prompt_mask
.
device
)
extra_embed
=
None
if
exists
(
prompt_mask
):
extra_embed
=
self
.
prompt_response_mask_embed
[
prompt_mask
]
extra_embed
=
prompt_response_mask_embed
[
prompt_mask
]
# 获得最后一个 token 的 embedding
last_token_embeds
=
self
.
rwkv
(
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录