Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/OpenBMB/BMCook
Model Compression for Big Models
https://github.com/OpenBMB/BMCook
Last synced: about 2 months ago
JSON representation
Model Compression for Big Models
- Host: GitHub
- URL: https://github.com/OpenBMB/BMCook
- Owner: OpenBMB
- License: apache-2.0
- Created: 2022-03-09T07:51:28.000Z (almost 3 years ago)
- Default Branch: main
- Last Pushed: 2023-06-30T08:57:51.000Z (over 1 year ago)
- Last Synced: 2024-11-07T04:49:59.039Z (2 months ago)
- Language: Python
- Homepage:
- Size: 1.63 MB
- Stars: 151
- Watchers: 6
- Forks: 21
- Open Issues: 6
-
Metadata Files:
- Readme: README-ZH.md
- Contributing: CONTRIBUTING.md
- License: LICENSE
Awesome Lists containing this project
- Awesome-LLM-Compression - [Code
README
🍳 BMCook
**大模型压缩工具包**
## 最新动态
- 2023/5/27 支持Decoder-only模型的结构化剪枝。其中包括对[CPM-Live](https://github.com/OpenBMB/CPM-Live/tree/master)系列模型的压缩。
- 2022/5/17 支持[model-center](https://github.com/OpenBMB/ModelCenter)中的预训练模型压缩。
- 2022/3/20 (BMCook 0.1.0) 第一版BMCook发布了！
## 总览
BMCook是一个用于大规模预训练语言模型（PLM）的模型压缩工具包，它集成了多种模型压缩方法。你可以以任何方式组合它们，以满足特定的计算需求。具体来说，本工具包实现了以下四种模型压缩方法：知识蒸馏、模型剪枝、模型量化和模型专家化。
- **支持多种方法** 与现有的压缩工具包相比，BMCook支持所有主流的预训练语言模型加速方法。
- **用户友好** 基于BMCook，用户只需几行代码就可以实现不同的压缩方法。
- **任意组合** 受益于解耦合的实现方式，不同方法可以任意组合以追求极致压缩。
## 文档
我们的[文档](https://bmcook.readthedocs.io/en/main/)提供了关于该工具包的更多信息。
## 安装
BMCook基于BMTrain进行开发，使用前需先安装BMTrain
**从PyPI安装（推荐）**
```shell
$ pip install bmtrain
```
**从源代码安装**
```shell
$ git clone https://github.com/OpenBMB/BMTrain.git
$ cd BMTrain
$ python3 setup.py install
```
更多细节请请参考[BMTrain](https://bmtrain.readthedocs.io/en/latest/)的安装指南。
安装完BMTrain后，再拉取本仓库。
```shell
$ git clone [email protected]:OpenBMB/BMCook.git
```
## 快速上手
`cpm_live_example` 文件夹提供了 CPM-Live 结构化剪枝的样例，详见[介绍](https://github.com/OpenBMB/BMCook/blob/main/cpm_live_example/README.md).
`gpt-example`文件夹提供了基于 Model Center 中 GPT2-Base 的样例代码。
模型量化：
```
torchrun --nnodes=1 --nproc_per_node=1 --rdzv_id=1 --rdzv_backend=c10d --rdzv_endpoint=localhost train.py \
--save-dir results/gpt2-int8 \
--model gpt2-base \
--start-lr 1e-4 \
--cook-config configs/gpt2-int8.json \
```
在训练过程中加入模型蒸馏：
```
torchrun --nnodes=1 --nproc_per_node=1 --rdzv_id=1 --rdzv_backend=c10d --rdzv_endpoint=localhost train.py \
--save-dir results/gpt2-int8-kd \
--model gpt2-base \
--start-lr 1e-4 \
--cook-config configs/gpt2-int8-kd.json \
```
模型剪枝：
```
torchrun --nnodes=1 --nproc_per_node=1 --rdzv_id=1 --rdzv_backend=c10d --rdzv_endpoint=localhost train.py \
--save-dir results/gpt2-prune \
--model gpt2-base \
--start-lr 1e-4 \
--cook-config configs/gpt2-prune.json \
```
该配置文件只对输入层进行了剪枝，你可以通过修改配置文件中的`prune_module`来引入更多模块。
模型专家化（不需要训练，只需保存中间计算结果）：
```
torchrun --nnodes=1 --nproc_per_node=1 --rdzv_id=1 --rdzv_backend=c10d --rdzv_endpoint=localhost train.py \
--save-dir results/gpt2-moe \
--model gpt2-base \
--start-lr 1e-4 \
--cook-config configs/gpt2-moe.json \
```
与此同时，不同的压缩方法可以任意组合，以下是量化、剪枝和蒸馏结合的样例代码：
```
torchrun --nnodes=1 --nproc_per_node=1 --rdzv_id=1 --rdzv_backend=c10d --rdzv_endpoint=localhost train.py \
--save-dir results/gpt2-combine \
--model gpt2-base \
--start-lr 1e-4 \
--cook-config configs/gpt2-combine.json \
```
## 压缩效果
基于T5-3B，我们评估了不同的压缩组合，压缩语料库使用了Pile。选择SST-2、MNLI和SQuAD作为下游任务进行评测。适配下游任务时，我们固定了预训练模型参数，采用adapter-tuning进行训练。
| | Average Performance | Relative Performance | Speedup |
|------------------------|----------------|-----------------------------|----------------|
| T5-3B | 0.9258 | - | 1x |
| T5-Base | 0.8796 | 95.0% | 7x |
| T5-3B (P+D) | 0.9150 | 98.8% | 2x |
| T5-3B (P+D+Q) | 0.9126 | 98.6% | 8x |
| T5-3B (P+D+Q+M) | 0.9017 | 97.4% | 12x |
D 代表知识蒸馏；P 代表模型剪枝；Q 代表模型量化；M 代表模型专家化。
## 功能对比
| | Model Quantization | Model Pruning | Knowledge Distillation | Model MoEfication |
|-----------------|--------------------|---------------|------------------------|-------------------|
| [TextPruner](https://github.com/airaria/TextPruner) | - | ✅ | - | - |
| [TensorFlow Lite](https://www.tensorflow.org/lite) | ✅ | ✅ | - | - |
| [PyTorch](https://pytorch.org/) | ✅ | ✅ | - | - |
| [TextBrewer](https://github.com/airaria/TextBrewer) | - | ✅ | ✅ | - |
| BMCook | ✅ | ✅ | ✅ | ✅ |
## 开源社区
欢迎贡献者参照我们的[贡献指南](https://github.com/OpenBMB/BMCook/blob/main/CONTRIBUTING.md)贡献相关代码。
您也可以在其他平台与我们沟通交流:
- QQ群: 735930538
- 微信公众号: OpenBMB
- 官方网站: https://www.openbmb.org
- 微博: http://weibo.cn/OpenBMB
- Twitter: https://twitter.com/OpenBMB
## 开源许可
该工具包使用[Apache 2.0](https://github.com/OpenBMB/BMCook/blob/main/LICENSE)开源许可证。