deepspeedai / deepspeedai/DeepSpeedExamples
ds_eval_config v.s. ds_config
Nessuno ha ancora preso questa issue.
- Lingua principale
- Python
- Stelle
- 6.8k
- Fork
- 1.1k
- Merge medio
- 2g 16h
- PR unite (30g)
- 1
Descrizione
when initializing reward and ref models in step 3 of deepspeed-chat, there are two kinds of deepspeed config files are used, i.e. ds_config and ds_eval_config. May I ask why we need to use two configs here and any suggestions on safely removing ds_eval_config? e.g.,
def _init_reward(self, critic_model_name_or_path):
stime = log_init("Reward")
# DS Config
zero_stage = self.args.critic_zero_stage
if zero_stage != 3:
# If critic is ZeRO-3 then we use it for everything, otherwise assume we have enough memory
zero_stage = 0
ds_config = get_eval_ds_config(offload=self.args.offload,
stage=zero_stage)
ds_config[
'train_micro_batch_size_per_gpu'] = self.args.per_device_mini_train_batch_size
ds_config[
'train_batch_size'] = self.args.per_device_mini_train_batch_size * torch.distributed.get_world_size(
) * self.args.gradient_accumulation_steps
#TODO(jeff): should not be needed, we should be able to use ds_config above
#TODO(jeff): it means we never create the critic w. zero.init context if we are using ZeRO-3
ds_eval_config = get_eval_ds_config(offload=False, stage=0)
# Model
reward_model = create_critic_model(
model_name_or_path=critic_model_name_or_path,
tokenizer=self.tokenizer,
ds_config=ds_eval_config,
num_padding_at_beginning=self.args.num_padding_at_beginning,
rlhf_training=True)
reward_engine, *_ = deepspeed.initialize(model=reward_model,
config=ds_config)
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 nel flusso deepspeed-chat del passaggio 3, in _init_reward, e segui get_eval_ds_config, create_critic_model e deepspeed.initialize. Confronta i ruoli di ds_config e ds_eval_config, quindi verifica se la rimozione della seconda configurazione preserva l’inizializzazione del modello di ricompensa e il comportamento di ZeRO.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- python
- Ambito
- machine-learning
- Tipo di issue
- Refactoring
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Stato di attività
- Ferma
- Chiarezza
- Abbastanza chiara
- Idoneità per principianti
- 35/100