BERT模型的OneFlow实现

BERT模型的OneFlow实现

模型概述

BERT(Bidirectional Encoder Representations from Transformers)是NLP领域的一种预训练模型。本案例中，基于论文BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding实现了BERT模型的OneFlow版本。

模型架构

BERT 在实际应用中往往分为两步：

• 首先，预训练得到 BERT 语言模型；
• 然后，为满足下游应用，在得到的 BERT 语言模型的基础上，多加一层网络，并进行微调，得到下游应用。

快速开始

获取相关数据集

提供了完成 BERT 预训练及 SQuAD 微调的 OFRecord 数据集及相关数据文件，可以通过以下命令下载并解压：

wget https://oneflow-static.oss-cn-beijing.aliyuncs.com/oneflow-tutorial-attachments/bert_squad_dataset.zip

unzip bert_squad_dataset.zip

解压后的文件目录清单如下：

• bert_config.json、vocab.txt：制作 prediction json 文件需要的文件，来自google bert
• dev-v1.1/、dev-v1.1.json：SQuAD 检验集，用于打分
• part-0：预训练集样本（40个样本）
• train-v1.1：SQuAD 训练集，已经转为 ofrecord 数据集格式

以上各个文件将在下文的预训练任务、SQuAD 微调中使用到。

训练 BERT 模型

首先，克隆 OneFlow-Benchmark 仓库。

git clone https://github.com/Oneflow-Inc/OneFlow-Benchmark.git

cd OneFlow-Benchmark/LanguageModeling/BERT/

然后，通过以下命令，使用预训练好的 pretrain 模型以及小型样本集合，开始 BERT 预训练查看效果：

python ./run_pretraining.py\

--gpu_num_per_node=1 \

--learning_rate=3e-5 \

--batch_size_per_device=1 \

--iter_num=3 \

--loss_print_every_n_iter=50 \

--seq_length=128 \

--max_predictions_per_seq=20 \

--num_hidden_layers=12 \

--num_attention_heads=12 \

--max_position_embeddings=512 \

--type_vocab_size=2 \

--vocab_size=30522 \

--attention_probs_dropout_prob=0.0 \

--hidden_dropout_prob=0.0 \

--hidden_size_per_head=64 \

--use_boxing_v2=True \

--data_dir=./dataset/ \

--data_part_num=1 \

--log_dir=./bert_regresssioin_test/of \

--loss_print_every_n_iter=5 \

--model_save_dir=./bert_regresssioin_test/of \

--warmup_batches 831 \

--save_last_snapshot True

将获得类似以下输出：

==================================================================

Running bert: num_gpu_per_node = 1, num_nodes = 1.

==================================================================

gpu_num_per_node = 1

node_num = 1

node_list = None

learning_rate = 3e-05

weight_decay_rate = 0.01

batch_size_per_device = 1

iter_num = 20

warmup_batches = 831

log_every_n_iter = 1

data_dir = ./dataset/

data_part_num = 1

use_fp16 = None

use_boxing_v2 = True

loss_print_every_n_iter = 5

model_save_every_n_iter = 10000

model_save_dir = ./bert_regresssioin_test/of

save_last_snapshot = True

model_load_dir = None

log_dir = ./bert_regresssioin_test/of

seq_length = 128

max_predictions_per_seq = 20

num_hidden_layers = 12

num_attention_heads = 12

max_position_embeddings = 512

type_vocab_size = 2

vocab_size = 30522

attention_probs_dropout_prob = 0.0

hidden_dropout_prob = 0.0

hidden_size_per_head = 64

------------------------------------------------------------------

Time stamp: 2020-07-06-19:09:29

I0706 19:09:29.605840639   34801 ev_epoll_linux.c:82]        Use of signals is disabled. Epoll engine will not be used

Init model on demand

iter 4, total_loss: 11.032, mlm_loss: 10.281, nsp_loss: 0.751, speed: 33.086(sec/batch), 0.151(sentences/sec)

iter 9, total_loss: 11.548, mlm_loss: 10.584, nsp_loss: 0.965, speed: 0.861(sec/batch), 5.806(sentences/sec)

iter 14, total_loss: 10.697, mlm_loss: 10.249, nsp_loss: 0.448, speed: 0.915(sec/batch), 5.463(sentences/sec)

iter 19, total_loss: 10.685, mlm_loss: 10.266, nsp_loss: 0.419, speed: 1.087(sec/batch), 4.602(sentences/sec)

Saving model to ./bert_regresssioin_test/of/last_snapshot.

------------------------------------------------------------------

average speed: 0.556(sentences/sec)

------------------------------------------------------------------

详细说明

脚本说明

脚本参数

run_pretraining.py通过命令行参数配置包括超参在内的训练环境，可以通过 run_pretraining.py --help查看，以下是这些参数作用的具体说明：

• gpu_num_per_node： 每个节点上 GPU 的数目，OneFlow 要求每个节点的 GPU 数目必须一致
• node_num： 节点数目，即分布式训练时的主机数目
• node_list： 节点列表，如果节点数大于1，则需要通过 node_list 指定节点列表，节点列表为字符串形式，采用逗号分隔，如--node_num=2 --node_list="192.168.1.12,192.168.1.14"
• learning_rate： Learning rate
• weight_decay_rate：设置权重衰减率
• batch_size_per_device： 分布式训练时每个设备上的batch大小
• iter_num ITER_NUM： 训练的总轮数
• warmup_batches： 预热轮数，默认值为10000
• data_dir： OFRecord数据集的路径
• data_part_num：OFRecord数据集目录下的数据文件数目
• use_fp16： 是否使用fp16
• use_boxing_v2： 是否使用boxing v2
• loss_print_every_n_iter：训练中每隔多少轮打印一次训练信息（loss信息）
• model_save_every_n_iter： 训练中每隔多少轮保存一次模型
• model_save_dir： 模型存储路径
• save_last_snapshot：指定最后一轮训练完成后，模型保存路径
• model_load_dir：指定模型加载路径
• log_dir LOG_DIR：指定日志路径
• seq_length： 指定BERT句子长度，默认值为512
• max_predictions_per_seq： 默认值为80
• num_hidden_layers：隐藏层数目，默认值为24
• num_attention_heads： Attention头数目，默认值为16

使用完整的 Wikipedia + BookCorpus 数据集

如果需要从无到有进行 BERT 的 pretrain 训练，则需要使用较大的训练集。

如果感兴趣，可以通过 google-research BERT 的页面，下载 tfrecord 格式的数据集。再根据加载与准备OFRecord数据集中的方法，将 TFRecord 数据转为 OFRecord 数据集使用。

将 Tensorflow 的 BERT 模型转为 OneFlow 模型格式

如果想直接使用已经训练好的 pretrained 模型做 fine-tune 任务（如以下将展示的SQuAD），可以考虑直接从 google-research BERT 页面下载已经训练好的 BERT 模型。

再利用提供的 convert_tf_ckpt_to_of.py 脚本，将其转为 OneFlow 模型格式。转换过程如下：

首先，下载并解压某个版本的 BERT 模型，如 uncased_L-12_H-768_A-12。

wget https://storage.googleapis.com/bert_models/2020_02_20/uncased_L-12_H-768_A-12.zip

unzip uncased_L-12_H-768_A-12.zip -d uncased_L-12_H-768_A-12

然后，运行以下命令：

cd uncased_L-12_H-768_A-12/

cat > checkpoint <<ONEFLOW

model_checkpoint_path: "bert_model.ckpt"

all_model_checkpoint_paths: "bert_model.ckpt"

ONEFLOW

该命令将在解压目录下创建一个 checkpoint 文件，并写入以下内容：

model_checkpoint_path: "bert_model.ckpt"

all_model_checkpoint_paths: "bert_model.ckpt"

此时，已经准备好待转化的 TensorFlow 模型目录，整个模型目录的结构如下：

uncased_L-12_H-768_A-12

├── bert_config.json

├── bert_model.ckpt.data-00000-of-00001

├── bert_model.ckpt.index

├── checkpoint

└── vocab.txt

接着使用 convert_tf_ckpt_to_of.py 将 TensorFlow 模型转为 OneFlow 模型：

python convert_tf_ckpt_to_of.py \

--tf_checkpoint_path ./uncased_L-12_H-768_A-12 \

--of_dump_path ./uncased_L-12_H-768_A-12-oneflow

以上命令，将转化好的 OneFlow 格式的模型保存在 ./uncased_L-12_H-768_A-12-oneflow 目录下，供后续微调训练(如：SQuAD)使用。

微调：SQuAD 问答任务

将 pretrained 模型修改为 SQuAD 模型

只需要在 BERT 的 backbone 基础上，加上一层 output 层，并修改 loss 的表达式即可，完整的代码可以查看 squad.py 脚本，以下是几处关键修改：

def SQuADTrain():

#...

backbone = bert_util.BertBackbone()

#在BERT的基础上加上一个全连接层

with flow.name_scope("cls-squad"):

final_hidden = backbone.sequence_output()

final_hidden_matrix = flow.reshape(final_hidden, [-1, hidden_size])

logits = bert_util._FullyConnected(

final_hidden_matrix,

hidden_size,

units=2,

weight_initializer=bert_util.CreateInitializer(initializer_range),

name='output')

logits = flow.reshape(logits, [-1, seq_length, 2])

start_logits = flow.slice(logits, [None, None, 0], [None, None, 1])

end_logits = flow.slice(logits, [None, None, 1], [None, None, 1])

#重新定义SQuAD任务的loss

start_loss = _ComputeLoss(start_logits, start_positions_blob, seq_length)

end_loss = _ComputeLoss(end_logits, end_positions_blob, seq_length)

total_loss = 0.5*(start_loss + end_loss)

return total_loss

为了得到一个初始化的 squad 模型，通过以下脚本启动 squad 训练，并保存模型。

python ./run_squad.py\

--gpu_num_per_node=1\

--learning_rate=3e-5\

--batch_size_per_device=2\

--iter_num=50\

--loss_print_every_n_iter=50\

--seq_length=384\

--max_predictions_per_seq=20\

--num_hidden_layers=12\

--num_attention_heads=12\

--max_position_embeddings=512\

--type_vocab_size=2\

--vocab_size=30522\

--attention_probs_dropout_prob=0.0\

--hidden_dropout_prob=0.0\

--hidden_size_per_head=64\

--use_boxing_v2=True\

--data_dir=./dataset/train-v1.1\

--data_part_num=1\

--log_dir=./bert_regresssioin_test/of\

--model_save_dir=./bert_regresssioin_test/of\

--warmup_batches 831\

--save_last_snapshot True

完成训练后，在 ./bert_regresssioin_test/of/last_snapshot 中保存有初始化的 SQuAD 模型，将其与训练好的 BERT 合并后，进行微调（fine-tune）训练。

合并 pretrained 模型为 SQuAD 模型

SQuAD 模型是在 pretrained 模型基础上的扩充，需要参照模型的加载与保存中的“模型部分初始化和部分导入”方法，将训练好的 BERT pretrained 模型与初始化的 SQuAD 模型合并。

cp -R ./bert_regresssioin_test/of/last_snapshot ./squadModel

cp -R --remove-destination ./dataset/uncased_L-12_H-768_A-12_oneflow/* ./squadModel/

OneFlow 预训练模型的训练次数问题

OneFlow 生成的模型目录中，会有一个名为 System-Train-TrainStep-xxx 的子目录(xxx为作业函数的函数名)，该子目录下的 out 文件中，保存有训练总迭代数，并且这个迭代数会用于动态调节训练过程的learning rate。

为了防止保存的迭代数影响到微调的训练，应该将out文件中的二进制数据清零：

cd System-Train-TrainStep-xxx

xxd -r > out <<ONEFLOW

00000000: 0000 0000 0000 0000

ONEFLOW

如果使用的是由 TensorFlow 转过来的预训练模型，则可以省去这个步骤。

开始 SQuAD 训练

通过 run_suqad.py 脚本，开始训练 SQuAD 模型，主要配置如下：

• 使用以上合并得到的 SQuAD 模型 ./squadModel
• 采用 SQuAD v1.1 作为训练集
• epoch = 3 (iternum = 88641*3/(4*8) = 8310)
• learning rate = 3e-5

python ./run_squad.py\

--gpu_num_per_node=4\

--learning_rate=3e-5\

--batch_size_per_device=8\

--iter_num=8310\

--loss_print_every_n_iter=50\

--seq_length=384\

--max_predictions_per_seq=20\

--num_hidden_layers=12\

--num_attention_heads=12\

--max_position_embeddings=512\

--type_vocab_size=2\

--vocab_size=30522\

--attention_probs_dropout_prob=0.0\

--hidden_dropout_prob=0.0\

--hidden_size_per_head=64\

--use_boxing_v2=True\

--data_dir=./dataset/train-v1.1\

--data_part_num=8\

--log_dir=./bert_regresssioin_test/of\

--model_save_dir=./bert_regresssioin_test/of\

--warmup_batches 831\

--save_last_snapshot True\

--model_load_dir=./squadModel

预测及打分

生成为了生成 Preidiction File 格式的 json 文件，先将预测结果保存为 npy 文件，再使用 google BERT的run_squad.py 中的 write_predictions 函数，转化为 json 格式。

利用 run_squad_predict.py 生成 all_results.npy 文件：

python run_squad_predict.py \

--gpu_num_per_node=1 \

--batch_size_per_device=4 \

--iter_num=2709 \

--seq_length=384 \

--max_predictions_per_seq=20 \

--num_hidden_layers=12 \

--num_attention_heads=12 \

--max_position_embeddings=512 \

--type_vocab_size=2 \

--vocab_size=30522 \

--attention_probs_dropout_prob=0.0 \

--hidden_dropout_prob=0.0 \

--hidden_size_per_head=64 \

--use_boxing_v2=True \

--data_part_num=1 \

--data_dir=./dataset/dev-v1.1 \

--log_dir=./bert_regresssioin_test/of \

--model_load_dir=path/to/squadModel \

--warmup_batches 831

注意将以上 model_load_dir 修改为 训练好的 squadModel。

得到 all_results.npy 文件后，在google bert仓库目录下（注意该仓库的 tensorflow 版本为 tensorflow v1 ），运行提供的 npy2json.py (由 google bert 中的 run_squand.py 修改得来)：

python npy2json.py\

--vocab_file=./dataset/vocab.txt \

--bert_config_file=./dataset/bert_config.json \

--do_train=False \

--do_predict=True \

--all_results_file=./all_results.npy \

--predict_file=./dataset/dev-v1.1.json \

--max_seq_length=384 \

--doc_stride=128 \

--output_dir=./squad_base/

注意将 all_results_file 修改为上一步得到的 all_results.npy 的路径。

最终，得到 predictions.json 文件，可以使用 evaluate-v1.1.py 进行打分。

python evaluate-v1.1.py \

./dataset/dev-v1.1.json \

path/to/squad_base/predictions.json

分布式训练

如之前介绍脚本参数时描述：进行分布式训练，只需要在启动训练脚本式加入 node_num 选项指定主机数目及 node_list 选项即可：

python run_squad_predict.py \

--gpu_num_per_node=1 \

--batch_size_per_device=4 \

--iter_num=2709 \

--seq_length=384 \

--max_predictions_per_seq=20 \

--num_hidden_layers=12 \

--num_attention_heads=12 \

--max_position_embeddings=512 \

--type_vocab_size=2 \

--vocab_size=30522 \

--attention_probs_dropout_prob=0.0 \

--hidden_dropout_prob=0.0 \

--hidden_size_per_head=64 \

--use_boxing_v2=True \

--data_part_num=1 \

--data_dir=./dataset/dev-v1.1 \

--log_dir=./bert_regresssioin_test/of \

--model_load_dir=path/to/squadModel \

--warmup_batches 831 \

--node_num=2 \

--node_list="192.168.1.12,192.168.1.14"