CPM-2-Finetune

本仓库为 CPM-2 模型的 fine-tune 代码仓库，可以用于模型 Fine-tune 的多机多卡训练/测试。

CPM-2技术报告请参考link。

0 模型下载

请在智源资源下载页面进行申请，文件介绍如下：

文件名	描述	参数大小
100000.tar	纯中文模型	110亿
36000.tar	中英文双语模型	110亿
300000.tar	中英文MoE模型	1980亿

1 安装

可以直接拉取我们提供的 Docker 环境：

docker pull gyxthu17/cpm-2:1.0

2 全参数微调

scripts/full_model/ 目录下的 7 个 .sh 文件分别对应技术报告中 7 个数据集的 Fine-tune 脚本。注意：除了 wmt_cn 之外，其他数据集都使用纯中文模型，wmt_cn 数据集使用中英双语模型。

运行前，需要先将脚本中的 WORKING_DIR 改为此 CPM-2-Finetune 文件夹的路径，将 DATA_PATH 改为数据集存储的目录，CKPT_PATH 改为模型权重所在的目录。可以设置 SAVE_PATH 指定训练结果存储的路径，将 ${WORKING_DIR}/configs/host_files/hostfile-cpm2 中的 node-0 和 node-1 改为多机训练的主机名称。

使用以下命令运行，例如要进行 Math23K 数据集的 Fine-tune，则：

cd CPM-2-Finetune
bash scripts/full_model/finetune_cpm2_math.sh

3 基于 Prompt 的微调

scripts/prompt/ 目录下的 7 个 .sh 文件分别对应技术报告中 7 个数据集的 Prompt-based Tuning 脚本。注意：除了 wmt_cn 之外，其他数据集都使用纯中文模型，wmt_cn 数据集使用中英双语模型。

与全参数微调相同，运行前需要修改 WORKING_DIR、DATA_PATH、CKPT_PATH 和 SAVE_PATH 以及 ${WORKING_DIR}/configs/host_files/hostfile-cpm2 文件。

除此之外，还可以通过修改 configs/prompt/ 中的配置文件修改 prompt 的插入位置等配置信息。例如，对于 lcqmc 数据集，configs/prompt/lcqmc 目录下提供了多个 prompt 插入位置的 .json 配置文件。举例来说，lcqmc_33_34_33 代表输入的两个句子构成的三个可能位置插入 prompt 的比例为 33:34:33。finetune_cpm2_lcqmc.sh 中的 PROMPT_CONFIG 变量显式引用了这些文件。

最后，使用以下命令运行：

cd CPM-2-Finetune
bash scripts/prompt/finetune_cpm2_lcqmc.sh

4 引用

如果您使用了我们的代码，请您引用下面的文章。

@article{cpm-v2,
  title={CPM-2: Large-scale Cost-efficient Pre-trained Language Models},
  author={Zhang, Zhengyan and Gu, Yuxian and Han, Xu and Chen, Shengqi and Xiao, Chaojun and Sun, Zhenbo and Yao, Yuan and Qi, Fanchao and Guan, Jian and Ke, Pei and Cai, Yanzheng and Zeng, Guoyang and Tan, Zhixing and Liu, Zhiyuan and Huang, Minlie and Han, Wentao and Liu, Yang and Zhu, Xiaoyan and Sun, Maosong},
  year={2021}
}

zhangjiekui / CPM-2-Finetune