概述

简述

RoBERTa 模型更多的是基于 BERT 的一种改进版本。是 BERT 在多个层面上的重大改进。 RoBERTa 在模型规模、算力和数据上，都比 BERT 有一定的提升。

• 参考实现：

  url=https://github.com/facebookresearch/fairseq/tree/main/examples/roberta 
  commit_id=d871f6169f8185837d1c11fb28da56abfd83841c

• 适配昇腾 AI 处理器的实现：

  url=https://gitee.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/contrib/nlp

准备训练环境

准备环境

• 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。

  表 1 版本支持表

  Torch_Version	三方库依赖版本
  PyTorch 1.5	-
  PyTorch 1.8	-
  PyTorch 1.11	-
  PyTorch 2.1	-

• 环境准备指导。

  请参考《Pytorch框架训练环境准备》。

• 安装依赖：

  pip install -r requirements.txt # 小于PyTorch2.0版本
  pip install -r 2.0_requirements.txt # PyTorch2.0及以上版本
  python3 setup.py build_ext --inplace

  说明： 安装requirements.txt中的依赖只需执行一条对应的PyTorch版本依赖安装命令。

训练准备

1. 获取数据集。

   下载 SST-2 数据集，请参考 examples/roberta/preprocess_GLUE_tasks.sh 。

   SST-2 数据集目录结构参考如下所示。

   ├── SST-2
         ├──input0
              ├──dict.txt
              │──preprocess.log
              │──test.bin
              │——test.idx   
              ├──train.bin
              │──train.idx
              │──valid.bin
              │——valid.idx                    
         ├──lable
              ├──dict.txt
              │──preprocess.log 
              ├──train.bin
              │──train.idx
              │──valid.bin
              │——valid.idx              

   说明： 该数据集的训练过程脚本只作为一种参考示例。

2. 获取预训练模型

   下载预训练模型 RoBERTa.base , 解压至源码包路径下：“./pre_train_model/RoBERTa.base/model.pt”。

开始训练

训练模型

1. 进入解压后的源码包根目录。

   cd /${模型文件夹名称} 

2. 运行训练脚本。

   该模型支持单机单卡训练和单机8卡训练。

   • 单机单卡训练

     启动单卡训练。

     bash ./test/train_performance_1p.sh --data_path=real_data_path  # 单卡性能

   • 单机8卡训练

     启动8卡训练。

     bash ./test/train_full_8p.sh --data_path=real_data_path  # 8卡精度
     bash ./test/train_performance_8p.sh --data_path=real_data_path # 8卡性能 

   • 单机8卡评测

     启动8卡评测。

     bash ./test/train_eval_8p.sh

   --data_path参数填写数据集路径，需写到数据集的一级目录。

   模型训练脚本参数说明如下。

   公共参数：
   --data_path                              //数据集路径
   --restore-file                           //权重文件保存路径
   --max-tokens                             //最大token值
   --num-classes                            //分类数      
   --max-epoch                              //重复训练次数
   --batch-size                             //训练批次大小
   --lr                                     //初始学习率，默认：0.01
   --use-apex                               //使用混合精度

   训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

训练结果展示

表2 训练结果展示表

NAME	Acc@1	FPS	Epochs	AMP_Type	Torch_Version
1p-竞品V	0.927	397	1	-	1.5
8p-竞品V	0.943	2997	10	-	1.5
1p-NPU-ARM	0.938	553.997	1	O2	1.8
8p-NPU-ARm	0.969	4414.01	10	O2	1.8
1p-NPU-非ARM	-	565.29	1	O2	1.8
8p-NPU-非ARm	-	4861.44	10	O2	1.8

版本说明

变更

2022.08.24：首次发布

FAQ

无。