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
0cca2efe
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
0cca2efe
编写于
3月 20, 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 ppo model
上级
e620d171
变更
3
隐藏空白更改
内联
并排
Showing
3 changed file
with
4 addition
and
9 deletion
+4
-9
README.md
README.md
+1
-1
src/model.py
src/model.py
+2
-5
src/rlhf/ppo.py
src/rlhf/ppo.py
+1
-3
未找到文件。
README.md
浏览文件 @
0cca2efe
...
...
@@ -83,7 +83,7 @@ python train_ppo.py --load_sft_model "./out_sft/rwkv-190.pth" --load_rm_model "
--ctx_len 1024 --epoch_steps 200 --epoch_count 1000 --epoch_begin 0 --epoch_save 2 \
--micro_bsz 2 --n_layer 24 --n_embd 2048 --pre_ffn 0 --head_qk 0 \
--lr_init 1e-5 --lr_final 1e-5 --warmup_steps 0 --beta1 0.9 --beta2 0.999 --adam_eps 1e-8 \
--accelerator gpu --devices 1 --precision bf16 --strategy deepspeed_stage_2_offload --grad_cp
1
\
--accelerator gpu --devices 1 --precision bf16 --strategy deepspeed_stage_2_offload --grad_cp
0
\
--my_qa_mask 1
```
...
...
src/model.py
浏览文件 @
0cca2efe
...
...
@@ -20,7 +20,6 @@ from einops import unpack
from
src.rlhf.utils
import
exists
from
src.rlhf.utils
import
gumbel_sample
from
src.rlhf.utils
import
top_k
from
src.rlhf.utils
import
identity
from
src.rlhf.utils
import
eval_decorator
# from deepspeed.runtime.fp16.onebit.zoadam import ZeroOneAdam
...
...
@@ -510,8 +509,7 @@ class RWKV(pl.LightningModule):
filter_thres
=
0.9
,
pad_value
=
0.
,
eos_token
=
None
,
return_seq_without_prompt
=
True
,
use_tqdm
=
False
return_seq_without_prompt
=
True
):
''' 生成 response,用于 ppo 模型的训练
'''
...
...
@@ -520,10 +518,9 @@ class RWKV(pl.LightningModule):
n
,
out
=
prompt
.
shape
[
-
1
],
prompt
.
clone
()
wrapper_fn
=
identity
if
not
use_tqdm
else
tqdm
sample_num_times
=
max
(
1
,
seq_len
-
prompt
.
shape
[
-
1
])
for
_
in
wrapper_fn
(
range
(
sample_num_times
)
):
for
_
in
tqdm
(
range
(
sample_num_times
),
desc
=
"gen responses"
):
logits
,
embeds
=
self
.
forward
(
out
,
ppo_train
=
True
)
logits
,
embeds
=
logits
[:,
-
1
],
embeds
[:,
-
1
]
...
...
src/rlhf/ppo.py
浏览文件 @
0cca2efe
...
...
@@ -78,9 +78,7 @@ class ActorCritic(nn.Module):
actions
=
self
.
actor
.
generate
(
max_seq_len
,
prompt
=
state
,
eos_token
=
eos_token
,
use_tqdm
=
True
,
**
kwargs
eos_token
=
eos_token
)
# 将 prompt (state) 和 response (action) 进行拼接
...
...
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