本文介绍知识蒸馏技术及基于PaddleNLP加载CPM-Distill模型实现文本生成。知识蒸馏是模型压缩方法，以“教师-学生网络”思想，让简单模型拟合复杂模型输出，效果优于从头训练。CPM-Distill由GPT-2 Large蒸馏得到，文中还给出安装依赖、加载模型、解码方法及文本生成示例。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
引入
- 近些年来，随着 Bert 这样的大规模预训练模型的问世，NLP 领域的模型也逐渐变得越来越大了
- 受限于算力水平，如此大规模的模型要应用在实际的部署场景都是不太实际的
- 因此需要通过一些方式对大规模的模型进行压缩，使其能够在部署场景下达到一个相对可用的速度
- 常见的模型压缩方法有：剪枝、量化、知识蒸馏等
- 最近 CPM（Chinese Pre-Trained Models）项目又开源了一个使用知识蒸馏得到的小型文本生成模型 CPM-Distill
- 本次项目就简单介绍一下知识蒸馏技术并且通过 PaddleNLP 套件加载 CPM-Distill 模型实现文本生成
相关项目
- Paddle2.0：构建一个经典的文本生成模型GPT-2
- 文本生成：使用GPT-2加载CPM-LM模型实现简单的问答机器人
- 文本生成：让AI帮你写文章吧
- 【AI创造营】PaddleHub 配合 PaddleNLP 实现简单的文本生成
相关资料
- 论文：
- CPM: A Large-scale Generative Chinese Pre-trained Language Model
- Distilling the Knowledge in a Neural Network
- 官方实现：TsinghuaAI/CPM-Distill
模型压缩技术
知识蒸馏（Knowledge Distillation）
知识蒸馏是一种模型压缩方法，是一种基于“教师-学生网络思想”的训练方法。
由 Hinton 在 2015 年 Distilling the Knowledge in a Neural Network 的论文首次提出了知识蒸馏的并尝试在 CV 领域中使用，旨在把大模型学到的知识灌输到小模型中，以达到缩小模型的目标，示意图如下：
maven使用方法 中文WORD版
下载
本文档主要讲述的是maven使用方法；Maven是基于项目对象模型的（pom），可以通过一小段描述信息来管理项目的构建，报告和文档的软件项目管理工具。Maven将你的注意力从昨夜基层转移到项目管理层。Maven项目已经能够知道 如何构建和捆绑代码，运行测试，生成文档并宿主项目网页。希望本文档会给有需要的朋友带来帮助；感兴趣的朋友可以过来看看
- 说人话就是指用一个简单模型去拟合复杂模型的输出，这个输出也叫做“软标签”，当然也可以加入真实数据作为“硬标签”一同训练。
- 使用知识蒸馏技术相比直接从头训练的效果一般会更好一些，因为教师模型能够指导学生模型收敛到一个更佳的位置。
- 知识蒸馏技术除了可以用来将网络从大网络转化成一个小网络，并保留接近于大网络的性能；
- 也可以将多个网络的学到的知识转移到一个网络中，使得单个网络的性能接近 emsemble 的结果。
蒸馏模型信息
- 教师模型为 GPT-2 Large，具体的模型参数如下：
teacher_model = GPTModel(
vocab_size=30000,
hidden_size=2560,
num_hidden_layers=32,
num_attention_heads=32,
intermediate_size=10240,
hidden_act="gelu",
hidden_dropout_prob=0.1,
attention_probs_dropout_prob=0.1,
max_position_embeddings=1024,
type_vocab_size=1,
initializer_range=0.02,
pad_token_id=0,
topo=None)- 学生模型为 GPT-2 Small，具体的模型参数如下：
teacher_model = GPTModel(
vocab_size=30000,
hidden_size=768,
num_hidden_layers=12,
num_attention_heads=12,
intermediate_size=3072,
hidden_act="gelu",
hidden_dropout_prob=0.1,
attention_probs_dropout_prob=0.1,
max_position_embeddings=1024,
type_vocab_size=1,
initializer_range=0.02,
pad_token_id=0,
topo=None)蒸馏 loss
- 将大模型和小模型每个位置上输出之间的 KL 散度作为蒸馏 loss，同时加上原来的 language model loss。总 loss 如下：
其中 Llm 为 GPT-2 原始的 language modeling loss。
安装依赖
In [ ]
!pip install paddlenlp==2.0.1 sentencepiece==0.1.92
加载模型
In [1]
import paddlefrom paddlenlp.transformers import GPTModel, GPTForPretraining, GPTChineseTokenizer# tokenizer 与 CPM-LM 模型一致tokenizer = GPTChineseTokenizer.from_pretrained('gpt-cpm-large-cn')# 实例化 GPT2-small 模型gpt = GPTModel(
vocab_size=30000,
hidden_size=768,
num_hidden_layers=12,
num_attention_heads=12,
intermediate_size=3072,
hidden_act="gelu",
hidden_dropout_prob=0.1,
attention_probs_dropout_prob=0.1,
max_position_embeddings=1024,
type_vocab_size=1,
initializer_range=0.02,
pad_token_id=0,
topo=None)# 加载预训练模型参数params = paddle.load('data/data92160/gpt-cpm-small-cn-distill.pdparams')# 设置参数gpt.set_dict(params)# 使用 GPTForPretraining 向模型中添加输出层model = GPTForPretraining(gpt)# 将模型设置为评估模式model.eval()[2021-05-28 19:38:04,469] [ INFO] - Found /home/aistudio/.paddlenlp/models/gpt-cpm-large-cn/gpt-cpm-cn-sentencepiece.model
模型解码
In [40]
import paddleimport numpy as np# Greedy Searchdef greedy_search(text, max_len=32, end_word=None):
# # 终止标志
if end_word is not None:
stop_id = tokenizer.encode(end_word)['input_ids']
length = len(stop_id) else:
stop_id = [tokenizer.eod_token_id]
length = len(stop_id)
# 初始预测
ids = tokenizer.encode(text)['input_ids']
input_id = paddle.to_tensor(np.array(ids).reshape(1, -1).astype('int64'))
output, cached_kvs = model(input_id, use_cache=True)
next_token = int(np.argmax(output[0, -1].numpy()))
ids.append(next_token) # 使用缓存进行继续预测
for i in range(max_len-1):
input_id = paddle.to_tensor(np.array([next_token]).reshape(1, -1).astype('int64'))
output, cached_kvs = model(input_id, use_cache=True, cache=cached_kvs)
next_token = int(np.argmax(output[0, -1].numpy()))
ids.append(next_token) # 根据终止标志停止预测
if ids[-length:]==stop_id: if end_word is None:
ids = ids[:-1] break
return tokenizer.convert_ids_to_string(ids)In [39]
import paddleimport numpy as np# top_k and top_p filteringdef top_k_top_p_filtering(logits, top_k=0, top_p=1.0, filter_value=-float('Inf')):
""" Filter a distribution of logits using top-k and/or nucleus (top-p) filtering
Args:
logits: logits distribution shape (vocabulary size)
top_k > 0: keep only top k tokens with highest probability (top-k filtering).
top_p > 0.0: keep the top tokens with cumulative probability >= top_p (nucleus filtering).
Nucleus filtering is described in Holtzman et al. (http://arxiv.org/abs/1904.09751)
From: https://gist.github.com/thomwolf/1a5a29f6962089e871b94cbd09daf317
"""
top_k = min(top_k, logits.shape[-1]) # Safety check
logits_np = logits.numpy() if top_k > 0: # Remove all tokens with a probability less than the last token of the top-k
indices_to_remove = logits_np < np.sort(logits_np)[-top_k]
logits_np[indices_to_remove] = filter_value if top_p < 1.0:
sorted_logits = paddle.sort(logits, descending=True)
sorted_indices = paddle.argsort(logits, descending=True).numpy()
cumulative_probs = paddle.cumsum(paddle.nn.functional.softmax(sorted_logits, axis=-1), axis=-1).numpy() # Remove tokens with cumulative probability above the threshold
sorted_indices_to_remove = cumulative_probs > top_p # Shift the indices to the right to keep also the first token above the threshold
sorted_indices_to_remove[..., 1:] = sorted_indices_to_remove[..., :-1]
sorted_indices_to_remove[..., 0] = 0
indices_to_remove = sorted_indices[sorted_indices_to_remove]
logits_np[indices_to_remove] = filter_value return paddle.to_tensor(logits_np)# Nucleus Sampledef nucleus_sample(text, max_len=32, end_word=None, repitition_penalty=1.0, temperature=1.0, top_k=0, top_p=1.0):
# 终止标志
if end_word is not None:
stop_id = tokenizer.encode(end_word)['input_ids']
length = len(stop_id) else:
stop_id = [tokenizer.eod_token_id]
length = len(stop_id) # 初始预测
ids = tokenizer.encode(text)['input_ids']
input_id = paddle.to_tensor(np.array(ids).reshape(1, -1).astype('int64'))
output, cached_kvs = model(input_id, use_cache=True)
next_token_logits = output[0, -1, :] for id in set(ids):
next_token_logits[id] /= repitition_penalty
next_token_logits = next_token_logits / temperature
filtered_logits = top_k_top_p_filtering(next_token_logits, top_k=top_k, top_p=top_p)
next_token = paddle.multinomial(paddle.nn.functional.softmax(filtered_logits, axis=-1), num_samples=1).numpy()
ids += [int(next_token)] # 使用缓存进行继续预测
for i in range(max_len-1):
input_id = paddle.to_tensor(np.array([next_token]).reshape(1, -1).astype('int64'))
output, cached_kvs = model(input_id, use_cache=True, cache=cached_kvs)
next_token_logits = output[0, -1, :] for id in set(ids):
next_token_logits[id] /= repitition_penalty
next_token_logits = next_token_logits / temperature
filtered_logits = top_k_top_p_filtering(next_token_logits, top_k=top_k, top_p=top_p)
next_token = paddle.multinomial(paddle.nn.functional.softmax(filtered_logits, axis=-1), num_samples=1).numpy()
ids += [int(next_token)] # 根据终止标志停止预测
if ids[-length:]==stop_id: if end_word is None:
ids = ids[:-1] break
return tokenizer.convert_ids_to_string(ids)文本生成
In [41]
# 输入文本inputs = input('请输入文本：')print(inputs)# 使用 Nucleus Sample 进行文本生成outputs = greedy_search(
inputs, # 输入文本
max_len=128, # 最大生成文本的长度
end_word=None)# 打印输出print(outputs)请输入文本：请在此处输入你的姓名 请在此处输入你的姓名,然后点击“确定”,就可以开始游戏了。 游戏目标:在限定时间内,成功地把所有的牌都通通打完。
In [43]
# 输入文本inputs = input('请输入文本：')print(inputs)for x in range(5): # 使用 Nucleus Sample 进行文本生成
outputs = nucleus_sample(
inputs, # 输入文本
max_len=128, # 最大生成文本的长度
end_word='。', # 终止符号
repitition_penalty=1.0, # 重复度抑制
temperature=1.0, # 温度
top_k=3000, # 取前k个最大输出再进行采样
top_p=0.9 # 抑制概率低于top_p的输出再进行采样
) # 打印输出
print(outputs)请输入文本：请在此处输入你的姓名 请在此处输入你的姓名、学校、专业及学科,并在社交媒体上公布你的个人简介。 请在此处输入你的姓名或者电话,对方会及时通知你。 请在此处输入你的姓名、民族及籍贯信息,当您找到 CADULI 的联系方式后,我们会按您所选择的申请中心,以电子邮件的形式向您发送邮件。 请在此处输入你的姓名和电话号码,由资深会所接待员进行介绍,因为此处有不少中国的大老板,英文能看。 请在此处输入你的姓名、联系电话、银行卡号和手机号。
