更新readme和预训练脚本

GPT_pretraining.sh

+#!/bin/bash
+
+# Runs the "7B" parameter model
+export HSA_FORCE_FINE_GRAIN_PCIE=1
+export OMP_NUM_THREADS=1
+export NCCL_P2P_LEVEL=SYS
+
+export NCCL_ALGO=Ring
+export NCCL_NCHANNELS_PER_PEER=16
+export NCCL_MIN_NCHANNELS=20
+export NCCL_IB_TIMEOUT=22
+export CUDA_DEVICE_MAX_CONNECTIONS=1
+
+export NCCL_NET_GDR_LEVEL=SYS
+export NCCL_NET_GDR_READ=0
+
+
+CHECKPOINT_PATH=./tmp #$1 #<Specify path>
+TENSORBOARD_LOGS_PATH=./tmp  #$2 #<Specify path>
+DATA_PATH="/datasets/oscar-1GB-gpt_text_document" #<Specify path and file prefix>_text_document
+VOCAB_PATH=./gpt2-vocab.json
+MERGE_PATH=./gpt2-merges.txt
+
+GPT_MODEL_ARGS=(
+    --num-layers 12
+    --hidden-size 768
+    --num-attention-heads 12
+    --ffn-hidden-size 3072
+    --seq-length 1024
+    --max-position-embeddings 1024
+)
+
+# export NVTE_FLASH_ATTN=1 # 走autlass
+# export NVTE_FLASH_ATTN_TRITON=1 # 走triton_fa
+# --transformer-impl transformer_engine
+    # --use-mcore-models
+TRAINING_ARGS=(
+    --transformer-impl local
+    --use-legacy-models 
+    --micro-batch-size 1 
+    --global-batch-size 60 #240 #512 #64
+    --train-iters 100
+    --weight-decay 0.1 
+    --adam-beta1 0.9 
+    --adam-beta2 0.95 
+    --init-method-std 0.006 
+    --clip-grad 1.0 
+    --bf16
+    --use-distributed-optimizer 
+    --ckpt-format torch
+    --disable-bias-linear
+    --overlap-grad-reduce
+    --attention-dropout 0
+    --hidden-dropout 0
+    --ddp-average-in-collective
+    --recompute-granularity full
+    --recompute-num-layers 5
+    --recompute-method block
+    --no-gradient-accumulation-fusion
+    --swiglu
+    --lr 3.0e-5 
+    --lr-decay-style cosine 
+    --min-lr 3.0e-6
+    --lr-warmup-iters 1
+)
+MODEL_PARALLEL_ARGS=(
+        --sequence-parallel
+	--tensor-model-parallel-size 2
+	--pipeline-model-parallel-size 2
+)
+
+DATA_ARGS=(
+    --data-path $DATA_PATH 
+    --split 949,50,1
+    --untie-embeddings-and-output-weights
+    --use-rotary-position-embeddings 
+    --normalization RMSNorm 
+    --no-position-embedding
+    --vocab-file $VOCAB_PATH 
+    --merge-file $MERGE_PATH
+    --tokenizer-type GPT2BPETokenizer 
+)
+
+EVAL_AND_LOGGING_ARGS=(
+    --log-interval 1
+    --save-interval 10000 
+    --eval-interval 1000 
+    --save $CHECKPOINT_PATH 
+    --load $CHECKPOINT_PATH 
+    --eval-iters 10
+    --tensorboard-dir $TENSORBOARD_LOGS_PATH 
+)
+
+RANK=$OMPI_COMM_WORLD_RANK
+LOCAL_RANK=$OMPI_COMM_WORLD_LOCAL_RANK
+WORLD_SIZE=$OMPI_COMM_WORLD_SIZE
+DIST_URL=${1}
+DIST_PORT=34566
+
+DISTRIBUTED_ARGS=(
+    --rank ${RANK}
+    --world-size ${WORLD_SIZE}
+    --local-rank ${LOCAL_RANK}
+    --dist-url tcp://${DIST_URL}:${DIST_PORT}
+)
+
+APP="python -u pretrain_gpt.py \
+        ${GPT_MODEL_ARGS[@]} \
+        ${TRAINING_ARGS[@]} \
+        ${MODEL_PARALLEL_ARGS[@]} \
+        ${DATA_ARGS[@]} \
+        ${EVAL_AND_LOGGING_ARGS[@]} \
+        ${DISTRIBUTED_ARGS[@]} \
+"
+
+case ${LOCAL_RANK} in
+[0])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[1])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[2])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[3])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[4])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[5])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[6])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[7])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+esac

Llama_pretraining.sh

+#!/bin/bash
+set -eux
+
+#export FLASH_ATTENTION_PRINT_PARAM=1
+# Runs the "7B" parameter model
+export HSA_FORCE_FINE_GRAIN_PCIE=1
+export OMP_NUM_THREADS=1
+export NCCL_P2P_LEVEL=PXB # SYS
+
+#export HIP_ALLOC_INITIALIZE=0
+#export GPU_MAX_HW_QUEUES=20
+
+export NCCL_ALGO=Ring
+export NCCL_NCHANNELS_PER_PEER=16
+export NCCL_MIN_NCHANNELS=20
+export NCCL_IB_TIMEOUT=22
+export CUDA_DEVICE_MAX_CONNECTIONS=1
+
+export NCCL_IB_HCA=mlx5_1,mlx5_2
+export NCCL_NET_GDR_LEVEL=SYS
+export NCCL_NET_GDR_READ=0
+source /opt/dtk/env.sh
+# te调用gemm需要导入hipblaslt库
+# export LD_LIBRARY_PATH=/data/hipblaslt-install-0904/lib:$LD_LIBRARY_PATH 
+
+CHECKPOINT_PATH=./tmp_7b #$1 #<Specify path>
+TENSORBOARD_LOGS_PATH=./tmp_7b  #$2 #<Specify path>
+DATA_PATH="/data/datasets/nemo_pretrain/oscar-1GB/oscar-1GB-llama_text_document" #<Specify path and file prefix>_text_document
+
+GPT_MODEL_ARGS=(
+    --num-layers 6
+    --hidden-size 1024
+    --ffn-hidden-size 2048
+    --num-attention-heads 16
+    --seq-length 4096 #4096
+    --max-position-embeddings 32768
+)
+
+# export NVTE_FLASH_ATTN=1 # 走autlass
+# export NVTE_FLASH_ATTN_TRITON=1 # 走triton_fa
+# --transformer-impl transformer_engine
+    # --use-mcore-models
+    # --transformer-impl local
+    # --use-legacy-models 
+TRAINING_ARGS=(
+    --transformer-impl transformer_engine
+    --use-mcore-models
+    --micro-batch-size 1 
+    --global-batch-size 60 #240 #512 #64
+    --train-iters 100
+    --weight-decay 0.1 
+    --adam-beta1 0.9 
+    --adam-beta2 0.95 
+    --init-method-std 0.006 
+    --clip-grad 1.0 
+    --bf16
+    --use-distributed-optimizer 
+    --ckpt-format torch
+    --disable-bias-linear
+    --overlap-grad-reduce
+    --attention-dropout 0
+    --hidden-dropout 0
+    --ddp-average-in-collective
+    --recompute-granularity full
+    --recompute-num-layers 5
+    --recompute-method block
+    --no-gradient-accumulation-fusion
+    --swiglu
+    --lr 3.0e-5 
+    --lr-decay-style cosine 
+    --min-lr 3.0e-6
+    --lr-warmup-iters 1
+)
+
+MODEL_PARALLEL_ARGS=(
+    --sequence-parallel
+	--tensor-model-parallel-size 2
+	--pipeline-model-parallel-size 2
+)
+
+DATA_ARGS=(
+    --data-path $DATA_PATH 
+    --split 949,50,1
+    --untie-embeddings-and-output-weights
+    --use-rotary-position-embeddings 
+    --normalization RMSNorm 
+    --no-position-embedding 
+    --tokenizer-type Llama2Tokenizer
+    --tokenizer-model /data/model_weights/llama2_7b_hf/tokenizer.model
+)
+
+EVAL_AND_LOGGING_ARGS=(
+    --log-interval 1
+    --log-throughput
+    --save-interval 1000 
+    --eval-interval 1000 
+    --save $CHECKPOINT_PATH 
+    --load $CHECKPOINT_PATH 
+    --eval-iters 10
+    --tensorboard-dir $TENSORBOARD_LOGS_PATH 
+)
+
+RANK=$OMPI_COMM_WORLD_RANK
+LOCAL_RANK=$OMPI_COMM_WORLD_LOCAL_RANK
+WORLD_SIZE=$OMPI_COMM_WORLD_SIZE
+DIST_URL=${1}
+DIST_PORT=34566
+
+DISTRIBUTED_ARGS=(
+    --rank ${RANK}
+    --world-size ${WORLD_SIZE}
+    --local-rank ${LOCAL_RANK}
+    --dist-url tcp://${DIST_URL}:${DIST_PORT}
+)
+
+APP="python -u pretrain_gpt.py \
+        ${GPT_MODEL_ARGS[@]} \
+        ${TRAINING_ARGS[@]} \
+        ${MODEL_PARALLEL_ARGS[@]} \
+        ${DATA_ARGS[@]} \
+        ${EVAL_AND_LOGGING_ARGS[@]} \
+        ${DISTRIBUTED_ARGS[@]} \
+"
+
+case ${LOCAL_RANK} in
+[0])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[1])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[2])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+[3])
+  export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+#   ${APP}
+  numactl --cpunodebind=0 --membind=0 ${APP}
+  ;;
+# [4])
+#   export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+# #   ${APP}
+#   numactl --cpunodebind=0 --membind=0 ${APP}
+#   ;;
+# [5])
+#   export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+# #   ${APP}
+#   numactl --cpunodebind=0 --membind=0 ${APP}
+#   ;;
+# [6])
+#   export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+# #   ${APP}
+#   numactl --cpunodebind=0 --membind=0 ${APP}
+#   ;;
+# [7])
+#   export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+# #   ${APP}
+#   numactl --cpunodebind=0 --membind=0 ${APP}
+#   ;;
+esac

README.md

 # 内容
 - [内容](#内容)
 - [环境配置](#环境配置)
-- [下载词汇文件](#下载词汇文件)
-- [下载训练数据](#下载训练数据)
-- [训练](#训练)
-  - [数据预处理](#数据预处理)
-  - [GPT预训练](#gpt预训练)
-    - [单卡训练](#单卡训练)
-    - [分布式多卡训练](#分布式多卡训练)
-- [GPT文本生成](#gpt文本生成)
+- [预训练](#预训练)
+  - [GPT](##GPT)
+    - [下载词汇文件](###下载词汇文件)
+    - [下载训练数据](###下载训练数据)
+    - [数据预处理](###数据预处理)
+    - [GPT预训练](###GPT预训练)
+  - [Llama](##Llama)
+    - [下载tokenizer文件](###下载tokenizer文件)
+    - [下载训练数据](###下载训练数据)
+    - [数据预处理](###数据预处理)
+    - [Llama预训练](###Llama预训练)
 - [参考](#参考)
 
 # 环境配置
@@ -16,88 +19,169 @@
 <pre>
 pip install -r requirements.txt
 </pre>
+2. 安装HCU相关whl包
 
-2. 安装DCU相关whl包
-DCU相关包下载目录：[https://cancon.hpccube.com:65024/4/main](https://cancon.hpccube.com:65024/4/main)
+HCU相关包下载目录：[https://cancon.hpccube.com:65024/4/main](https://cancon.hpccube.com:65024/4/main)
 
-pytorch whl包：pytorch ---> dtk-24.04
+pytorch whl包：pytorch ---> dtk-24.04.1
 根据python版本,下载对应pytorch的whl包
 
 <pre>
 pip install torch* (下载的torch的whl包)
 </pre>
-torchvision whl包：vision ---> dtk-24.04
+torchvision whl包：vision ---> dtk-24.04.1
 根据python版本,下载对应torchvision的whl包
 
 <pre>
 pip install torchvision* (下载的torchvision的whl包)
 </pre>
-apex whl包：apex ---> dtk-24.04
+apex whl包：apex ---> dtk-24.04.1
 根据python版本,下载对应apex的whl包
 
 <pre>
 pip install apex* (下载的apex的whl包)
 </pre>
+
 若使用 pip install 下载安装过慢，可添加源：-i https://pypi.tuna.tsinghua.edu.cn/simple/
 
-# 下载词汇文件
+# 预训练
+## GPT
+### 下载词汇文件
 
 <pre>
 wget https://s3.amazonaws.com/models.huggingface.co/bert/gpt2-vocab.json
 wget https://s3.amazonaws.com/models.huggingface.co/bert/gpt2-merges.txt
 </pre>
 
-
-# 下载训练数据
+### 下载训练数据
 使用1GB 79K jsonl数据集
 <pre>
 wget https://huggingface.co/bigscience/misc-test-data/resolve/main/stas/oscar-1GB.jsonl.xz
 xz -d oscar-1GB.jsonl.xz
 </pre>
+解压后为单个`oscar-1GB.jsonl`文件
 
-# 训练
+### 数据预处理
 
-## 数据预处理
-
-<pre>
+```shell
 python tools/preprocess_data.py \
     --input oscar-1GB.jsonl \ 
-    --output-prefix ./dataset/my-gpt2 \
-    --vocab gpt2-vocab.json \
-    --dataset-impl mmap \
+    --output-prefix ./dataset/oscar-1GB-gpt \
+    --vocab-file gpt2-vocab.json \
     --tokenizer-type GPT2BPETokenizer \
     --merge-file gpt2-merges.txt \
     --append-eod \
     --workers 8
-</pre>
 
-参数说明
---input				输入数据集路径，即oscar-1GB.jsonl.xz解压后的文件路径
---output-prefix		输出数据路径，处理后会自动加上_text_document后缀
---vocab				下载的gpt2-vocab.json词表文件路径
---dataset-impl		dataset类型
---tokenizer-type 	tokenizer类型
---merge-file		下载的gpt2-merges.txt文件路径		
---append-eod		添加结束标志符		
---workers			进程数
-
-## GPT预训练
-
-### 分布式训练
-- 修改DATA_PATH路径(示例脚本中使用的是Mixtral8x7B数据集，实际运行时请自行修改)
-
-  ```bash
-  VOCAB_FILE=gpt2-vocab.json
-  MERGE_FILE=gpt2-merges.txt
-  DATA_PATH=./dataset/my-gpt2_text_document
+# 参数说明
+# --input				输入数据集路径，即oscar-1GB.jsonl.xz解压后的文件路径
+# --output-prefix		输出数据路径(需要输出目录已创建)，处理后会自动加上_text_document后缀
+# --vocab-file				下载的gpt2-vocab.json词表文件路径
+# --tokenizer-type 	tokenizer类型
+# --merge-file		下载的gpt2-merges.txt文件路径		
+# --append-eod		添加结束标志符		
+# --workers			进程数
+```
+
+
+### GPT预训练
+脚本: `GPT_pretraining.sh`
+
+修改数据集与词汇文件路径
+```shell
+VOCAB_FILE=gpt2-vocab.json
+MERGE_FILE=gpt2-merges.txt
+DATA_PATH="./dataset/oscar-1GB-gpt_text_document"
+```
+- 单机多卡训练
+  ```shell
+  # 修改脚本中的分布式启动参数
+  # 单机可以使用localhost指定通信地址为本地
+  # -np 8指定8进程\(8卡\)并行
+  # --allow-run-as-root以root权限启动
+  mpirun --allow-run-as-root -np 8 GPT_pretraining.sh localhost >& GPT_pretraining.log
   ```
+  注: 这里的`localhost`参数会传到脚本中的`--dist-url`中
+
+  在`GPT_pretraining.log`中查看训练日志
+
+- 多机多卡训练
+  
+  多节点docker设置:
+  1. 容器内执行/usr/sbin/sshd -p 12345，启动一个端口
+  2. 容器间可通过该端口ssh登录，ssh ip -p 12345
+  3. 如果需要免密，docker run容器时，docker -v /root/.ssh 挂载.ssh目录
+  4. 容器间mpirun执行: `mpirun -np .. --hostfile hosts -mca plm_rsh_args "-p 12345" ./xx.sh master_ip`
 
-- 执行多卡训练
+  设有节点192.168.1.1和192.168.1.2两个节点, 每个节点上8张卡, 192.168.1.1作为master节点
 
+  hosts文件:
+  ```txt
+  192.168.1.1 slots=8 
+  192.168.1.2 slots=8
   ```
-  #np为起的进程数，np\hostfile均需按实际填写
-  mpirun -np 4 --hostfile hostfile train_mixtral_8x7B_1nodes.sh（基于单节点四卡）
+
+  在master节点执行命令
+
+  ```shell
+  mpirun --allow-run-as-root -np 8 --hostfile hosts -mca plm_rsh_no_tree_spawn 1 -mca plm_rsh_args "-p 12345" --bind-to none ./GPT_pretraining.sh 192.168.1.1 >& GPT_pretraining.log
   ```
+  在`GPT_pretraining.log`中查看训练日志
+
+## Llama
+### 下载tokenizer文件
+
+链接: https://www.modelscope.cn/models/shakechen/Llama-2-7b-hf/files
+下载其中的tokenizer*文件
+
+### 下载训练数据
+使用1GB 79K jsonl数据集
+<pre>
+wget https://huggingface.co/bigscience/misc-test-data/resolve/main/stas/oscar-1GB.jsonl.xz
+xz -d oscar-1GB.jsonl.xz
+</pre>
+解压后为单个`oscar-1GB.jsonl`文件
+
+### 数据预处理
+
+```shell
+python tools/preprocess_data.py \
+  --input oscar-1GB.jsonl \
+  --output-prefix /datasets/oscar-1GB-llama\
+  --tokenizer-type Llama2Tokenizer \
+  --tokenizer-model /path/to/llama2_7b_hf/tokenizer.model \
+  --workers 16 \
+  --append-eod
+```
+
+### Llama预训练
+脚本: `Llama_pretraining.sh`
+
+修改数据集与tokenizer路径
+```shell
+DATA_PATH="/datasets/oscar-1GB-llama_text_document"
+--tokenizer-model /path/to/llama2_7b_hf/tokenizer.model
+```
+- 单机多卡训练
+  ```shell
+  # 具体参数说明参考上文GPT
+  mpirun --allow-run-as-root -np 8 Llama_pretraining.sh localhost >& Llama_pretraining.log
+  ```
+  在`Llama_pretraining.log`中查看训练日志
+
+- 多机多卡训练
+  
+  设有节点192.168.1.1和192.168.1.2两个节点, 每个节点上8张卡, 192.168.1.1作为master节点
+
+  hosts配置如上文GTP所示
+
+  在master节点执行命令
+
+  ```shell
+  mpirun --allow-run-as-root -np 8 --hostfile hosts -mca plm_rsh_no_tree_spawn 1 -mca plm_rsh_args "-p 12345" --bind-to none ./Llama_pretraining.sh 192.168.1.1 >& Llama_pretraining.log
+  ```
+
+  在`Llama_pretraining.log`中查看训练日志
 
 # 参考
 

megatron/training/initialize.py

@@ -374,7 +374,7 @@ def set_jit_fusion_options():
         torch._C._jit_override_can_fuse_on_cpu(False)
         torch._C._jit_override_can_fuse_on_gpu(False)
         torch._C._jit_set_texpr_fuser_enabled(False)
-        torch._C._jit_set_nvfuser_enabled(True)
+        torch._C._jit_set_nvfuser_enabled(False)#(True)
         torch._C._debug_set_autodiff_subgraph_inlining(False)
     else:
         # legacy pytorch fuser

requirements.txt

+trl
+transformers >= 4.43.0
+packaging
+six
+regex
+pyyaml
+sentencepiece
+pybind11
+
+# ==== test ====
+nltk
+pytest
+requests 
+wrapt
+tensorboard
+tensorboardX
+scipy
+psutil