Commit d997fe0c authored by liucong8560's avatar liucong8560
Browse files

Merge branch 'develop' into 'master'

Develop

See merge request modelzoo/bert_migraphx!3
parents 56695530 65a71058
...@@ -6,25 +6,25 @@ BERT的全称为Bidirectional Encoder Representation from Transformers,是一 ...@@ -6,25 +6,25 @@ BERT的全称为Bidirectional Encoder Representation from Transformers,是一
## 模型结构 ## 模型结构
以往的预训练模型的结构会受到单向语言模型(从左到右或者从右到左)的限制,因而也限制了模型的表征能力,使其只能获取单方向的上下文信息。而BERT利用MLM进行预训练并且采用深层的双向Transformer组件(单向的Transformer一般被称为Transformer decoder,其每一个token(符号)只会attend到目前往左的token。而双向的Transformer则被称为Transformer encoder,其每一个token会attend到所有的token)来构建整个模型,因此最终生成能融合左右上下文信息的深层双向语言表征。 以往的预训练模型的结构会受到单向语言模型(从左到右或者从右到左)的限制,因而也限制了模型的表征能力,使其只能获取单方向的上下文信息。而BERT利用MLM进行预训练并且采用深层的双向Transformer组件(单向的Transformer一般被称为Transformer decoder,其每一个token(符号)只会attend到目前往左的token。而双向的Transformer则被称为Transformer encoder,其每一个token会attend到所有的token)来构建整个模型,因此最终生成能融合左右上下文信息的深层双向语言表征。
## python版本推理 ## Python版本推理
下面介绍如何运行python代码示例,具体推理代码解析,在Doc/Tutorial_Python.md中有详细说明 本次采用经典的Bert模型完成问题回答任务,模型和分词文件下载链接:https://pan.baidu.com/s/1yc30IzM4ocOpTpfFuUMR0w, 提取码:8f1a, 将bertsquad-10.onnx文件和uncased_L-12_H-768_A-12分词文件保存在Resource/文件夹下。下面介绍如何运行python代码示例,Python示例的详细说明见Doc目录下的Tutorial_Python.md。
本次采用经典的Bert模型完成问题回答任务,模型和分词文件下载链接:https://pan.baidu.com/s/1yc30IzM4ocOpTpfFuUMR0w, 提取码:8f1a, 将bertsquad-10.onnx文件和uncased_L-12_H-768_A-12分词文件保存在Resource/文件夹下。 ### 下载镜像
### 拉取镜像 在光源中下载MIGraphX镜像:
在光源可拉取推理的docker镜像,BERT模型推理的镜像如下:
```python ```python
docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0.0-dtk22.10.1 docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0.0-dtk22.10.1
``` ```
### 推理示例 ### 设置Python环境变量
1.参考《MIGraphX教程》设置好PYTHONPATH ```
export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
```
2.安装依赖 ### 安装依赖
```python ```python
# 进入bert migraphx工程根目录 # 进入bert migraphx工程根目录
...@@ -37,7 +37,9 @@ cd ./Python/ ...@@ -37,7 +37,9 @@ cd ./Python/
pip install -r requirements.txt pip install -r requirements.txt
``` ```
3.在Python目录下执行如下命令运行该示例程序: ### 运行示例
在Python目录下执行如下命令运行该示例程序:
```python ```python
python bert.py python bert.py
...@@ -51,16 +53,20 @@ python bert.py ...@@ -51,16 +53,20 @@ python bert.py
## C++版本推理 ## C++版本推理
下面介绍如何运行C++代码示例,具体推理代码解析,在Doc/Tutorial_Cpp.md目录中有详细说明 本次采用经典的Bert模型完成问题回答任务,模型和分词文件下载链接:https://pan.baidu.com/s/1yc30IzM4ocOpTpfFuUMR0w, 提取码:8f1a, 将bertsquad-10.onnx文件和uncased_L-12_H-768_A-12分词文件保存在Resource/文件夹下。下面介绍如何运行C++代码示例,C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
参考Python版本推理中的构建安装,在光源中拉取推理的docker镜像 ### 下载镜像
### 修改CMakeLists.txt 在光源中下载MIGraphX镜像:
- 如果使用ubuntu系统,需要修改CMakeLists.txt中依赖库路径: ```
将"${CMAKE_CURRENT_SOURCE_DIR}/depend/lib64/"修改为"${CMAKE_CURRENT_SOURCE_DIR}/depend/lib/" docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0.0-dtk22.10.1
```
- **MIGraphX2.3.0及以上版本需要c++17** ### 修改CMakeLists.txt
如果使用ubuntu系统,需要修改CMakeLists.txt中依赖库路径:
将"${CMAKE_CURRENT_SOURCE_DIR}/depend/lib64/"修改为"${CMAKE_CURRENT_SOURCE_DIR}/depend/lib/"
### 构建工程 ### 构建工程
...@@ -91,9 +97,7 @@ export LD_LIBRARY_PATH=<path_to_bert_migraphx>/depend/lib/:$LD_LIBRARY_PATH ...@@ -91,9 +97,7 @@ export LD_LIBRARY_PATH=<path_to_bert_migraphx>/depend/lib/:$LD_LIBRARY_PATH
source ~/.bashrc source ~/.bashrc
``` ```
### 推理示例 ### 运行示例
运行Bert示例程序,具体执行如下命令:
```python ```python
# 进入bert migraphx工程根目录 # 进入bert migraphx工程根目录
......
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment