mirror of
https://github.com/huggingface/transformers.git
synced 2025-07-05 22:00:09 +06:00
86 lines
4.1 KiB
Markdown
86 lines
4.1 KiB
Markdown
<!--Copyright 2022 The HuggingFace Team. All rights reserved.
|
||
|
||
Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with
|
||
the License. You may obtain a copy of the License at
|
||
|
||
http://www.apache.org/licenses/LICENSE-2.0
|
||
|
||
Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on
|
||
an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the
|
||
|
||
⚠️ Note that this file is in Markdown but contain specific syntax for our doc-builder (similar to MDX) that may not be
|
||
rendered properly in your Markdown viewer.
|
||
|
||
-->
|
||
|
||
# 在CPU上进行高效训练
|
||
|
||
本指南将重点介绍如何在CPU上高效训练大型模型。
|
||
|
||
## 使用IPEX进行混合精度训练
|
||
混合精度训练在模型中可以同时使用单精度（fp32）和半精度（bf16/fp16）的数据类型来加速训练或推理过程，并且仍然能保留大部分单精度的准确性。现代的CPU，例如第三代、第四代和第五代Intel® Xeon® Scalable处理器，原生支持bf16，而第六代Intel® Xeon® Scalable处理器原生支持bf16和fp16。您在训练时启用bf16或fp16的混合精度训练可以直接提高处理性能。
|
||
|
||
为了进一步最大化训练性能，您可以使用Intel® PyTorch扩展（IPEX）。IPEX是一个基于PyTorch构建的库，增加了额外的CPU指令集架构（ISA）级别的支持，比如Intel®高级向量扩展512（Intel® AVX512-VNNI）和Intel®高级矩阵扩展（Intel® AMX）。这为Intel CPU提供额外的性能提升。然而，仅支持AVX2的CPU（例如AMD或较旧的Intel CPU）在使用IPEX时并不保证能提高性能。
|
||
|
||
从PyTorch 1.10版本起，CPU后端已经启用了自动混合精度（AMP）。IPEX还支持bf16/fp16的AMP和bf16/fp16算子优化，并且部分功能已经上游到PyTorch主分支。通过IPEX AMP，您可以获得更好的性能和用户体验。
|
||
|
||
点击[这里](https://intel.github.io/intel-extension-for-pytorch/cpu/latest/tutorials/features/amp.html)查看**自动混合精度**的更多详细信息。
|
||
|
||
|
||
### IPEX 安装:
|
||
|
||
IPEX 的发布与 PyTorch 一致，您可以通过 pip 安装：
|
||
|
||
| PyTorch Version | IPEX version |
|
||
| :---------------: | :----------: |
|
||
| 2.5.0 | 2.5.0+cpu |
|
||
| 2.4.0 | 2.4.0+cpu |
|
||
| 2.3.0 | 2.3.0+cpu |
|
||
| 2.2.0 | 2.2.0+cpu |
|
||
|
||
请运行 `pip list | grep torch` 以获取您的 `pytorch_version`，然后根据该版本安装相应的 `IPEX version_name`。
|
||
```bash
|
||
pip install intel_extension_for_pytorch==<version_name> -f https://developer.intel.com/ipex-whl-stable-cpu
|
||
```
|
||
|
||
如果需要的话，您可以在 [ipex-whl-stable-cpu](https://developer.intel.com/ipex-whl-stable-cpu) 查看最新版本。
|
||
|
||
查看更多 [安装IPEX](https://intel.github.io/intel-extension-for-pytorch/cpu/latest/tutorials/installation.html) 的方法。
|
||
|
||
|
||
### 在 Trainer 中使用 IPEX
|
||
在 Trainer 中使用 IPEX 时，您应在训练命令参数中添加 `use_ipex`、`bf16` 或 `fp16` 以及 `no_cuda` 来启用自动混合精度。
|
||
|
||
以 [Transformers 问答任务](https://github.com/huggingface/transformers/tree/main/examples/pytorch/question-answering)为例：
|
||
|
||
- 在 CPU 上使用 BF16 自动混合精度训练 IPEX 的示例如下：
|
||
<pre> python examples/pytorch/question-answering/run_qa.py \
|
||
--model_name_or_path google-bert/bert-base-uncased \
|
||
--dataset_name squad \
|
||
--do_train \
|
||
--do_eval \
|
||
--per_device_train_batch_size 12 \
|
||
--learning_rate 3e-5 \
|
||
--num_train_epochs 2 \
|
||
--max_seq_length 384 \
|
||
--doc_stride 128 \
|
||
--output_dir /tmp/debug_squad/ \
|
||
<b>--use_ipex</b> \
|
||
<b>--bf16</b> \
|
||
<b>--use_cpu</b></pre>
|
||
|
||
如果您想在脚本中启用 `use_ipex` 和 `bf16`，请像下面这样将这些参数添加到 `TrainingArguments` 中：
|
||
```diff
|
||
training_args = TrainingArguments(
|
||
output_dir=args.output_path,
|
||
+ bf16=True,
|
||
+ use_ipex=True,
|
||
+ use_cpu=True,
|
||
**kwargs
|
||
)
|
||
```
|
||
|
||
### 实践示例
|
||
|
||
博客: [使用 Intel Sapphire Rapids 加速 PyTorch Transformers](https://huggingface.co/blog/intel-sapphire-rapids)
|