bigscience-workshop / bigscience-workshop/Megatron-DeepSpeed
deepspeed_to_megatron several issues
Nessuno ha ancora preso questa issue.
- Lingua principale
- Python
- Stelle
- 1.4k
- Fork
- 226
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Descrizione
-
A recent commit removed
tools/convert_checkpoint/deepspeed_checkpoint.pybut there is still an attempt to import it intools/convert_checkpoint/deepspeed_to_megatron.py. The other scripts in the folder appear to be ok. I guess the import on the line 7 should be changed fromfrom .deepspeed_checkpoint import ARGS_KEY, DeepSpeedCheckpointtofrom deepspeed.checkpoint.deepspeed_checkpoint import ARGS_KEY, DeepSpeedCheckpoint? -
https://github.com/microsoft/Megatron-DeepSpeed/issues/91 applies here as well.
-
The function
_renest_sddefined on line 90, splits the keys, but I encounter aValueError: too many values to unpack (expected 2)as one of the keys is namedword_embeddings.norm.weight, containing two dots. There are probably more such layer names. I'm attempting to convert my own model bf16_zero (pp=1, tp=1) checkpoints to megatron and/or hf format. Entirely possible this is all my own wrongdoing. If so, please advise, how to successfully convert.
Guida per i contributori
Nessuna guida per i contributori indicizzata per questo repository
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Direzione di ricerca
Inizia leggendo tools/convert_checkpoint/deepspeed_to_megatron.py, in particolare il suo import e la funzione _renest_sd, poi esamina il modulo checkpoint correlato a cui si fa riferimento nell’issue. Riproduci la conversione del checkpoint bf16_zero con pp=1 e tp=1 per verificare il fallimento dell’import e il ValueError relativo a dotted-key. Il lavoro è completato quando i problemi di conversione segnalati sono risolti e la conversione viene completata per quel checkpoint.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- python
- Ambito
- machine-learning, tooling
- Tipo di issue
- Bug
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Stato di attività
- Ferma
- Chiarezza
- Da chiarire
- Idoneità per principianti
- 30/100