जनरेशन और ट्यूनिंग के उदाहरणों के बारे में जानने के लिए, Gemma Cookbook का डेटा देखें! ज़्यादा जानें

इस पेज का अनुवाद Cloud Translation API से किया गया है.

JAX और Flax का इस्तेमाल करके, RecurrentGemma को बेहतर बनाना

ai.google.dev पर देखें

Google Colab में चलाएं

Vertex AI में खोलें

GitHub पर सोर्स देखें

इस ट्यूटोरियल में बताया गया है कि Google DeepMind की recurrentgemma लाइब्रेरी, JAX (एक बेहतरीन परफ़ॉर्मेंस वाली लाइब्रेरी), Flax (JAX-आधारित न्यूरल नेटवर्क लाइब्रेरी), Chex (JAX1) में एक ट्रांसलेशन डेटासेट और {1DNT-Mac जिन-Optax इस नोटबुक में सीधे तौर पर Flax का इस्तेमाल नहीं किया जाता है, लेकिन Gemma को बनाने के लिए Flax का इस्तेमाल किया गया था.

recurrentgemma लाइब्रेरी को JAX, Flax, Orbax (चेकपॉइंटिंग जैसी ट्रेनिंग यूटिलिटी के लिए JAX लाइब्रेरी) और SentencePiece (टोकनाइज़र/detokenizer लाइब्रेरी) के साथ लिखा गया है.

इस notebook को Google Colab पर T4 जीपीयू के साथ चलाया जा सकता है (बदलाव करें > नोटबुक की सेटिंग पर जाएं > हार्डवेयर ऐक्सेलरेटर में जाकर, T4 जीपीयू चुनें.

सेटअप

नीचे दिए गए सेक्शन में, RecurrentGemma मॉडल का इस्तेमाल करने के लिए नोटबुक को तैयार करने का तरीका बताया गया है. इसमें मॉडल का ऐक्सेस, एपीआई पासकोड पाना, और notebook के रनटाइम को कॉन्फ़िगर करना शामिल है.

Gemma के लिए Kaggle का ऐक्सेस सेट अप करें

इस ट्यूटोरियल को पूरा करने के लिए, आपको सबसे पहले कुछ अपवादों के साथ Gemma सेटअप से मिलते-जुलते सेटअप के निर्देशों का पालन करना होगा:

kaggle.com पर Gemma के बजाय RecurrentGemma का ऐक्सेस पाएं.
RecurrentGemma मॉडल को चलाने के लिए, ऐसे Colab रनटाइम चुनें जिसमें ज़रूरत के मुताबिक संसाधन हों.
Kaggle उपयोगकर्ता नाम और एपीआई पासकोड को जनरेट और कॉन्फ़िगर करें.

RecurrentGemma का सेटअप पूरा करने के बाद, अगले सेक्शन पर जाएं. यहां अपने Colab के एनवायरमेंट के लिए, एनवायरमेंट वैरिएबल सेट किए जा सकते हैं.

एनवायरमेंट वैरिएबल सेट करना

KAGGLE_USERNAME और KAGGLE_KEY के लिए, एनवायरमेंट वैरिएबल सेट करें. जब "ऐक्सेस दें?" के साथ प्रॉम्प्ट किया जाए मैसेज, सीक्रेट ऐक्सेस देने के लिए सहमत हों.

import os
from google.colab import userdata # `userdata` is a Colab API.

os.environ["KAGGLE_USERNAME"] = userdata.get('KAGGLE_USERNAME')
os.environ["KAGGLE_KEY"] = userdata.get('KAGGLE_KEY')

`recurrentgemma` लाइब्रेरी इंस्टॉल करें

इस notebook को चलाने के लिए, फ़िलहाल Colab के हार्डवेयर से तेज़ी लाने की सुविधा ज़रूरत के मुताबिक नहीं है. अगर Colab Pay As You Go या Colab Pro का इस्तेमाल किया जा रहा है, तो बदलाव करें पर क्लिक करें > Notebook की सेटिंग > A100 जीपीयू चुनें > हार्डवेयर की मदद से तेज़ी लाने के लिए, सेव करें.

इसके बाद, आपको github.com/google-deepmind/recurrentgemma से Google DeepMind recurrentgemma लाइब्रेरी इंस्टॉल करनी होगी. अगर आपको "पीआईपी की डिपेंडेंसी रिज़ॉल्वर" से जुड़ी कोई गड़बड़ी मिलती है, तो आम तौर पर उसे अनदेखा किया जा सकता है.

pip install -q git+https://github.com/google-deepmind/recurrentgemma.git

लाइब्रेरी इंपोर्ट करें

इस notebook में Flax (न्यूरल नेटवर्क के लिए), कोर JAX, SentencePiece (टोकनाइज़ेशन के लिए), Chex (भरोसेमंद JAX कोड लिखने के लिए यूटिलिटी की लाइब्रेरी), Optax (ग्रेडिएंट प्रोसेसिंग और ऑप्टिमाइज़ेशन लाइब्रेरी), और TensorFlow Datasets का इस्तेमाल किया जाता है.

import pathlib
from typing import Any, Mapping, Iterator
import enum
import functools

import chex
import jax
import jax.numpy as jnp
import optax

import tensorflow as tf
import tensorflow_datasets as tfds

import sentencepiece as spm

from recurrentgemma import jax as recurrentgemma

RecurrentGemma मॉडल लोड करें

kagglehub.model_download की मदद से RecurrentGemma मॉडल लोड करें, जिसमें तीन आर्ग्युमेंट होते हैं:

handle: Kaggle का मॉडल हैंडल
path: (वैकल्पिक स्ट्रिंग) लोकल पाथ
force_download: (वैकल्पिक बूलियन) मॉडल को फिर से डाउनलोड करने के लिए मजबूर करता है

RECURRENTGEMMA_VARIANT = '2b-it' # @param ['2b', '2b-it'] {type:"string"}

import kagglehub

RECURRENTGEMMA_PATH = kagglehub.model_download(f'google/recurrentgemma/flax/{RECURRENTGEMMA_VARIANT}')

Downloading from https://www.kaggle.com/api/v1/models/google/recurrentgemma/flax/2b-it/1/download...
100%|██████████| 3.85G/3.85G [00:50<00:00, 81.5MB/s]
Extracting model files...

print('RECURRENTGEMMA_VARIANT:', RECURRENTGEMMA_VARIANT)

RECURRENTGEMMA_VARIANT: 2b-it

मॉडल वेट और टोकनाइज़र की जगह की जांच करें. इसके बाद, पाथ वैरिएबल सेट करें. टोकनाइज़र डायरेक्ट्री, उस मुख्य डायरेक्ट्री में होगी जिसमें आपने मॉडल डाउनलोड किया है. वहीं, मॉडल वेट किसी सब-डायरेक्ट्री में होगा. उदाहरण के लिए:

tokenizer.model फ़ाइल /LOCAL/PATH/TO/recurrentgemma/flax/2b-it/1 में होगी).
मॉडल चेकपॉइंट /LOCAL/PATH/TO/recurrentgemma/flax/2b-it/1/2b-it में होगा).

CKPT_PATH = os.path.join(RECURRENTGEMMA_PATH, RECURRENTGEMMA_VARIANT)
TOKENIZER_PATH = os.path.join(RECURRENTGEMMA_PATH, 'tokenizer.model')
print('CKPT_PATH:', CKPT_PATH)
print('TOKENIZER_PATH:', TOKENIZER_PATH)

CKPT_PATH: /root/.cache/kagglehub/models/google/recurrentgemma/flax/2b-it/1/2b-it
TOKENIZER_PATH: /root/.cache/kagglehub/models/google/recurrentgemma/flax/2b-it/1/tokenizer.model

MTNT डेटासेट और Gemma टोकनाइज़र को लोड करें और तैयार करें

आपको MTNT (मशीन अनुवाद ऑफ़ नोइसी टेक्स्ट) डेटासेट का इस्तेमाल करना होगा. यह डेटासेट TensorFlow के डेटासेट में उपलब्ध है.

MTNT डेटासेट का अंग्रेज़ी से फ़्रेंच डेटासेट वाला हिस्सा डाउनलोड करें, और फिर दो उदाहरणों का नमूना लें. डेटासेट के हर सैंपल में दो एंट्री हैं: src: मूल अंग्रेज़ी वाक्य; और dst: उनसे जुड़ा फ़्रेंच अनुवाद.

ds = tfds.load("mtnt/en-fr", split="train")

ds = ds.take(2)
ds = ds.as_numpy_iterator()

for idx, example in enumerate(ds):
  print(f'Example {idx}:')
  for key, val in example.items():
    print(f'{key}: {val}')
  print()

Downloading and preparing dataset 35.08 MiB (download: 35.08 MiB, generated: 11.33 MiB, total: 46.41 MiB) to /root/tensorflow_datasets/mtnt/en-fr/1.0.0...
Dl Completed...: 0 url [00:00, ? url/s]
Dl Size...: 0 MiB [00:00, ? MiB/s]
Extraction completed...: 0 file [00:00, ? file/s]
Generating splits...:   0%|          | 0/3 [00:00<?, ? splits/s]
Generating train examples...:   0%|          | 0/35692 [00:00<?, ? examples/s]
Shuffling /root/tensorflow_datasets/mtnt/en-fr/1.0.0.incompleteJLH33K/mtnt-train.tfrecord*...:   0%|          …
Generating test examples...:   0%|          | 0/1020 [00:00<?, ? examples/s]
Shuffling /root/tensorflow_datasets/mtnt/en-fr/1.0.0.incompleteJLH33K/mtnt-test.tfrecord*...:   0%|          |…
Generating valid examples...:   0%|          | 0/811 [00:00<?, ? examples/s]
Shuffling /root/tensorflow_datasets/mtnt/en-fr/1.0.0.incompleteJLH33K/mtnt-valid.tfrecord*...:   0%|          …
Dataset mtnt downloaded and prepared to /root/tensorflow_datasets/mtnt/en-fr/1.0.0. Subsequent calls will reuse this data.
Example 0:
dst: b'Le groupe de " toutes les \xc3\xa9toiles potentielles de la conf\xc3\xa9rence de l\'Est mais qui ne s\'en sortent pas dans le groupe de l\'Ouest ".'
src: b'The group of \xe2\x80\x9ceastern conference potential all stars but not making it in the West\xe2\x80\x9d group.'

Example 1:
dst: b"Kameron est-elle un peu aigrie de son manque de temps \xc3\xa0 l'\xc3\xa9cran ?"
src: b'Is Kameron a Little Salty About Her Lack of Air Time?'

sentencepiece.SentencePieceProcessor का इस्तेमाल करके बनाया गया Gemma टोकनाइज़र लोड करें:

vocab = spm.SentencePieceProcessor()
vocab.Load(TOKENIZER_PATH)

True

अंग्रेज़ी से फ़्रेंच में अनुवाद करने के लिए, SentencePieceProcessor को पसंद के मुताबिक बनाएं. RecurrentGemma (Griffin) मॉडल के अंग्रेज़ी वाले हिस्से को बेहतर बनाने के लिए, आपको कुछ बदलाव करने होंगे, जैसे कि:

इनपुट प्रीफ़िक्स: हर इनपुट में एक सामान्य प्रीफ़िक्स जोड़ने से, अनुवाद वाले टास्क का सिग्नल मिलता है. उदाहरण के लिए, Translate this into French: [INPUT_SENTENCE] जैसे प्रीफ़िक्स वाले प्रॉम्प्ट का इस्तेमाल किया जा सकता है.
अनुवाद शुरू करने का सफ़िक्स: हर प्रॉम्प्ट के आखिर में सफ़िक्स जोड़ने पर, Gemma मॉडल को यह निर्देश मिलता है कि अनुवाद की प्रक्रिया कब शुरू करनी है. एक नई लाइन से काम करना चाहिए.
भाषा मॉडल के टोकन: RecurrentGemma (Griffin) मॉडल "सीक्वेंस की शुरुआत" की उम्मीद करते हैं टोकन को हर क्रम में शामिल करना ज़रूरी है. इसी तरह, आपको "क्रम का आखिरी हिस्सा" जोड़ना होगा टोकन प्रत्येक ट्रेनिंग उदाहरण के अंत में मौजूद होना चाहिए.

SentencePieceProcessor के चारों ओर इस तरह कस्टम रैपर बनाएं:

class GriffinTokenizer:
  """A custom wrapper around a SentencePieceProcessor."""

  def __init__(self, spm_processor: spm.SentencePieceProcessor):
    self._spm_processor = spm_processor

  @property
  def pad_id(self) -> int:
    """Fast access to the pad ID."""
    return self._spm_processor.pad_id()

  def tokenize(
      self,
      example: str | bytes,
      prefix: str = '',
      suffix: str = '',
      add_eos: bool = True,
  ) -> jax.Array:
    """
    A tokenization function.

    Args:
      example: Input string to tokenize.
      prefix:  Prefix to add to the input string.
      suffix:  Suffix to add to the input string.
      add_eos: If True, add an end of sentence token at the end of the output
               sequence.
    Returns:
      Tokens corresponding to the input string.
    """
    int_list = [self._spm_processor.bos_id()]
    int_list.extend(self._spm_processor.EncodeAsIds(prefix + example + suffix))
    if add_eos:
      int_list.append(self._spm_processor.eos_id())

    return jnp.array(int_list, dtype=jnp.int32)

  def tokenize_tf_op(
      self,
      str_tensor: tf.Tensor,
      prefix: str = '',
      suffix: str = '',
      add_eos: bool = True,
  ) -> tf.Tensor:
    """A TensforFlow operator for the `tokenize` function."""
    encoded = tf.numpy_function(
        self.tokenize,
        [str_tensor, prefix, suffix, add_eos],
        tf.int32)
    encoded.set_shape([None])
    return encoded

  def to_string(self, tokens: jax.Array) -> str:
    """Convert an array of tokens to a string."""
    return self._spm_processor.EncodeIds(tokens.tolist())

इसे आज़माने के लिए, अपनी पसंद के मुताबिक बनाया गया नया GriffinTokenizer इंस्टैंशिएट करें और फिर इसे MTNT डेटासेट के छोटे सैंपल पर लागू करें:

def tokenize_source(tokenizer, example: tf.Tensor):
  return tokenizer.tokenize_tf_op(
      example,
      prefix='Translate this into French:\n',
      suffix='\n',
      add_eos=False
  )
def tokenize_destination(tokenizer, example: tf.Tensor):
  return tokenizer.tokenize_tf_op(example, add_eos=True)

tokenizer = GriffinTokenizer(vocab)

ds = tfds.load("mtnt/en-fr",split="train")
ds = ds.take(2)
ds = ds.map(lambda x: {
    'src': tokenize_source(tokenizer, x['src']),
    'dst': tokenize_destination(tokenizer, x['dst'])
  })
ds = ds.as_numpy_iterator()

for idx, example in enumerate(ds):
  print(f'Example {idx}:')
  for key, val in example.items():
    print(f'{key}: {val}')
  print()

Example 0:
src: [     2  49688    736   1280   6987 235292    108    651   2778    576
   1080 104745  11982   5736    832   8995    901    780   3547    665
    575    573   4589 235369   2778 235265    108]
dst: [     2   2025  29653    581    664  16298   1437  55563  41435   7840
    581    683 111452    581    533 235303   9776   4108   2459    679
    485 235303    479   6728    579   1806   2499    709  29653    581
    533 235303 101323  16054      1]

Example 1:
src: [     2  49688    736   1280   6987 235292    108   2437  87150    477
    476  11709 230461   8045   3636  40268    576   4252   4897 235336
    108]
dst: [     2 213606    477   1455 235290   3510    748   8268 191017   2809
    581   2032  69972    581  11495   1305    533 235303  65978   1654
      1]

पूरे MTNT डेटासेट के लिए, कोई डेटा लोडर बनाएं:

@chex.dataclass(frozen=True)
class TrainingInput:
  # Input tokens provided to the model.
  input_tokens: jax.Array

  # A mask that determines which tokens contribute to the target loss
  # calculation.
  target_mask: jax.Array

class DatasetSplit(enum.Enum):
  TRAIN = 'train'
  VALIDATION = 'valid'


class MTNTDatasetBuilder:
  """A data loader for the MTNT dataset."""

  N_ITEMS = {DatasetSplit.TRAIN: 35_692, DatasetSplit.VALIDATION: 811}

  BUFFER_SIZE_SHUFFLE = 10_000
  TRANSLATION_PREFIX = 'Translate this into French:\n'
  TRANSLATION_SUFFIX = '\n'

  def __init__(self,
               tokenizer : GriffinTokenizer,
               max_seq_len: int):
    """A constructor.

    Args:
      tokenizer: The tokenizer to use.
      max_seq_len: The size of each sequence in a given batch.
    """
    self._tokenizer = tokenizer
    self._base_data = {
        DatasetSplit.TRAIN: tfds.load("mtnt/en-fr",split="train"),
        DatasetSplit.VALIDATION: tfds.load("mtnt/en-fr",split="valid"),
    }
    self._max_seq_len = max_seq_len

  def _tokenize_source(self, example: tf.Tensor):
    """A tokenization function for the source."""
    return self._tokenizer.tokenize_tf_op(
        example, prefix=self.TRANSLATION_PREFIX, suffix=self.TRANSLATION_SUFFIX,
        add_eos=False
    )

  def _tokenize_destination(self, example: tf.Tensor):
    """A tokenization function for the French translation."""
    return self._tokenizer.tokenize_tf_op(example, add_eos=True)

  def _pad_up_to_max_len(self,
                         input_tensor: tf.Tensor,
                         pad_value: int | bool,
                         ) -> tf.Tensor:
    """Pad the given tensor up to sequence length of a batch."""
    seq_len = tf.shape(input_tensor)[0]
    to_pad = tf.maximum(self._max_seq_len - seq_len, 0)
    return tf.pad(
        input_tensor, [[0, to_pad]], mode='CONSTANT', constant_values=pad_value,
    )

  def _to_training_input(
      self,
      src_tokens: jax.Array,
      dst_tokens: jax.Array,
  ) -> TrainingInput:
    """Build a training input from a tuple of source and destination tokens."""

    # The input sequence fed to the model is simply the concatenation of the
    # source and the destination.
    tokens = tf.concat([src_tokens, dst_tokens], axis=0)

    # You want to prevent the model from updating based on the source (input)
    # tokens. To achieve this, add a target mask to each input.
    q_mask = tf.zeros_like(src_tokens, dtype=tf.bool)
    a_mask = tf.ones_like(dst_tokens, dtype=tf.bool)
    mask = tf.concat([q_mask, a_mask], axis=0)

    # If the output tokens sequence is smaller than the target sequence size,
    # then pad it with pad tokens.
    tokens = self._pad_up_to_max_len(tokens, self._tokenizer.pad_id)

    # You don't want to perform the backward on the pad tokens.
    mask = self._pad_up_to_max_len(mask, False)

    return TrainingInput(input_tokens=tokens, target_mask=mask)


  def get_train_dataset(self, batch_size: int, num_epochs: int):
    """Build the training dataset."""

    # Tokenize each sample.
    ds = self._base_data[DatasetSplit.TRAIN].map(
        lambda x : (self._tokenize_source(x['src']),
                    self._tokenize_destination(x['dst']))
    )

    # Convert them to training inputs.
    ds = ds.map(lambda x, y: self._to_training_input(x, y))

    # Remove the samples which are too long.
    ds = ds.filter(lambda x: tf.shape(x.input_tokens)[0] <= self._max_seq_len)

    # Shuffle the dataset.
    ds = ds.shuffle(buffer_size=self.BUFFER_SIZE_SHUFFLE)

    # Repeat if necessary.
    ds = ds.repeat(num_epochs)

    # Build batches.
    ds = ds.batch(batch_size, drop_remainder=True)
    return ds

  def get_validation_dataset(self, batch_size: int):
    """Build the validation dataset."""

    # Same as the training dataset, but no shuffling and no repetition
    ds = self._base_data[DatasetSplit.VALIDATION].map(
        lambda x : (self._tokenize_source(x['src']),
                    self._tokenize_destination(x['dst']))
    )
    ds = ds.map(lambda x, y: self._to_training_input(x, y))
    ds = ds.filter(lambda x: tf.shape(x.input_tokens)[0] <= self._max_seq_len)
    ds = ds.batch(batch_size, drop_remainder=True)
    return ds

कस्टम GriffinTokenizer को फिर से इंस्टैंशिएट करके, MTNTDatasetBuilder को आज़माएं. इसके बाद, इसे MTNT डेटासेट पर लागू करें और दो उदाहरणों के साथ सैंपल लें:

dataset_builder = MTNTDatasetBuilder(tokenizer, max_seq_len=20)
ds = dataset_builder.get_train_dataset(3, 1)
ds = ds.take(2)
ds = ds.as_numpy_iterator()

for idx, example in enumerate(ds):
  print(f'Example {idx}:')
  for key, val in example.items():
    print(f'{key}: {val}')
  print()

WARNING:tensorflow:Mapping types may not work well with tf.nest. Prefer using MutableMapping for <class '__main__.TrainingInput'>
WARNING:tensorflow:Mapping types may not work well with tf.nest. Prefer using MutableMapping for <class '__main__.TrainingInput'>
WARNING:tensorflow:Mapping types may not work well with tf.nest. Prefer using MutableMapping for <class '__main__.TrainingInput'>
Example 0:
input_tokens: [[     2  49688    736   1280   6987 235292    108  12583    665 235265
     108      2   6151  94975   1320   6238 235265      1      0      0]
 [     2  49688    736   1280   6987 235292    108   4899  29960  11270
  108282 235265    108      2   4899  79025  11270 108282      1      0]
 [     2  49688    736   1280   6987 235292    108  26620 235265    108
       2  26620 235265      1      0      0      0      0      0      0]]
target_mask: [[False False False False False False False False False False False  True
   True  True  True  True  True  True False False]
 [False False False False False False False False False False False False
  False  True  True  True  True  True  True False]
 [False False False False False False False False False False  True  True
   True  True False False False False False False]]

Example 1:
input_tokens: [[     2  49688    736   1280   6987 235292    108    527   5174   1683
  235336    108      2 206790    581  20726    482   2208   1654      1]
 [     2  49688    736   1280   6987 235292    108  28484 235256 235336
     108      2 120500  13832   1654      1      0      0      0      0]
 [     2  49688    736   1280   6987 235292    108 235324 235304   2705
  235265    108      2 235324 235304  19963 235265      1      0      0]]
target_mask: [[False False False False False False False False False False False False
   True  True  True  True  True  True  True  True]
 [False False False False False False False False False False False  True
   True  True  True  True False False False False]
 [False False False False False False False False False False False False
   True  True  True  True  True  True False False]]

मॉडल कॉन्फ़िगर करना

Gemma मॉडल को बेहतर बनाने से पहले, आपको उसे कॉन्फ़िगर करना होगा.

recurrentgemma.jax.utils.load_parameters तरीके का इस्तेमाल करके, RecurrentGemma (Griffin) मॉडल चेकपॉइंट लोड करें:

params =  recurrentgemma.load_parameters(CKPT_PATH, "single_device")

RecurrentGemma मॉडल चेकपॉइंट से सही कॉन्फ़िगरेशन को अपने-आप लोड करने के लिए, recurrentgemma.GriffinConfig.from_flax_params_or_variables का इस्तेमाल करें:

config = recurrentgemma.GriffinConfig.from_flax_params_or_variables(params)

ग्रिफ़िन मॉडल को recurrentgemma.jax.Griffin से इंस्टैंशिएट करें:

model = recurrentgemma.Griffin(config)

RecurrentGemma मॉडल चेकपॉइंट/वेट्स और टोकनाइज़र के ऊपर, recurrentgemma.jax.Sampler के साथ sampler बनाएं, ताकि यह पता लगाया जा सके कि आपका मॉडल अनुवाद कर सकता है या नहीं:

sampler = recurrentgemma.Sampler(model=model, vocab=vocab, params=params)

मॉडल को ऑप्टिमाइज़ करें

इस सेक्शन में आपको:

फ़ॉरवर्ड पास और लॉस फ़ंक्शन बनाने के लिए, gemma.transformer.Transformer क्लास का इस्तेमाल करें.
टोकन के लिए, पोज़िशन और अटेंशन मास्क वेक्टर बनाएं
फ़्लैक्स की मदद से ट्रेनिंग स्टेप फ़ंक्शन बनाएं.
बैकवर्ड पास के बिना पुष्टि करने वाला चरण बनाएं.
ट्रेनिंग लूप बनाएं.
जेमा मॉडल को बेहतर बनाएं.

recurrentgemma.jax.griffin.Griffin का इस्तेमाल करके फ़ॉरवर्ड पास और लॉस फ़ंक्शन तय करें क्लास. RecurrentGemma Griffin को flax.linen.Module से लिया गया है और यह दो ज़रूरी तरीके उपलब्ध कराता है:

init: मॉडल के पैरामीटर शुरू करता है.
apply: पैरामीटर के दिए गए सेट का इस्तेमाल करके मॉडल के __call__ फ़ंक्शन को एक्ज़ीक्यूट करता है.

आप पहले से ट्रेन किए गए Gemma वेट के साथ काम कर रहे हैं, इसलिए आपको init फ़ंक्शन का इस्तेमाल करने की ज़रूरत नहीं है.

def forward_and_loss_fn(
    params,
    *,
    model: recurrentgemma.Griffin,
    input_tokens: jax.Array,            # Shape [B, L]
    input_mask: jax.Array,              # Shape [B, L]
    positions: jax.Array,               # Shape [B, L]
) -> jax.Array:
  """Forward pass and loss function.

  Args:
    params: model's input parameters.
    model: Griffin model to call.
    input_tokens: input tokens sequence, shape [B, L].
    input_mask: tokens to ignore when computing the loss, shape [B, L].
    positions: relative position of each token, shape [B, L].

  Returns:
    Softmax cross-entropy loss for the next-token prediction task.
  """
  batch_size = input_tokens.shape[0]
  # Forward pass on the input data.
  # No attention cache is needed here.
  # Exclude the last step as it does not appear in the targets.
  logits, _ = model.apply(
        {"params": params},
        tokens=input_tokens[:, :-1],
        segment_pos=positions[:, :-1],
        cache=None,
    )

  # Similarly, the first token cannot be predicteds.
  target_tokens = input_tokens[:, 1:]
  target_mask = input_mask[:, 1:]

  # Convert the target labels into one-hot encoded vectors.
  one_hot = jax.nn.one_hot(target_tokens, logits.shape[-1])

  # Don't update on unwanted tokens.
  one_hot = one_hot * target_mask.astype(one_hot.dtype)[...,None]

  # Normalization factor.
  norm_factor = batch_size * (jnp.sum(target_mask) + 1e-8)

  # Return the negative log-likelihood loss (NLL) function.
  return -jnp.sum(jax.nn.log_softmax(logits) * one_hot) / norm_factor

ऐसा train_step फ़ंक्शन बनाएं जो बैकवर्ड पास करता है और उसके हिसाब से मॉडल के पैरामीटर अपडेट करता है, जहां:

jax.value_and_grad का इस्तेमाल करके, फ़ॉरवर्ड और बैकवर्ड पास के दौरान नुकसान के फ़ंक्शन और ग्रेडिएंट का आकलन किया जाता है.
optax.apply_updates का इस्तेमाल पैरामीटर अपडेट करने के लिए किया जाता है.

Params = Mapping[str, Any]

def get_positions(example: jax.Array, pad_id : int) -> jax.Array:
  """Builds the position vector from the given tokens."""
  pad_mask = example != pad_id
  positions = jnp.cumsum(pad_mask, axis=-1)
  # Subtract one for all positions from the first valid one as they are
  # 0-indexed
  positions = positions - (positions >= 1)
  return positions

@functools.partial(
    jax.jit,
    static_argnames=['model', 'optimizer'],
    donate_argnames=['params', 'opt_state'],
)
def train_step(
    model: recurrentgemma.Griffin,
    params: Params,
    optimizer: optax.GradientTransformation,
    opt_state: optax.OptState,
    pad_id: int,
    example: TrainingInput,
) -> tuple[jax.Array, Params, optax.OptState]:
  """The train step.

  Args:
    model: The RecurrentGemma (Griffin) model.
    params: The model's input parameters.
    optimizer: The Optax optimizer to use.
    opt_state: The input optimizer's state.
    pad_id: The ID of the pad token.
    example: The input batch.

  Returns:
    Training loss, updated parameters, updated optimizer state.
  """

  positions = get_positions(example.input_tokens, pad_id)

  # Forward and backward passes.
  train_loss, grads = jax.value_and_grad(forward_and_loss_fn)(
      params,
      model=model,
      input_tokens=example.input_tokens,
      input_mask=example.target_mask,
      positions=positions,
  )
  # Update the parameters.
  updates, opt_state = optimizer.update(grads, opt_state, params)
  params = optax.apply_updates(params, updates)

  return train_loss, params, opt_state

बैकवर्ड पास के बिना validation_step फ़ंक्शन बनाएं:

@functools.partial(jax.jit, static_argnames=['model'])
def validation_step(
    model: recurrentgemma.Griffin,
    params: Params,
    pad_id: int,
    example: TrainingInput,
) -> jax.Array:
  return forward_and_loss_fn(
      params,
      model=model,
      input_tokens=example.input_tokens,
      input_mask=example.target_mask,
      positions=get_positions(example.input_tokens, pad_id),
  )

ट्रेनिंग लूप को तय करें:

def train_loop(
    model: recurrentgemma.Griffin,
    params: Params,
    optimizer: optax.GradientTransformation,
    train_ds: Iterator[TrainingInput],
    validation_ds: Iterator[TrainingInput],
    num_steps: int | None = None,
    eval_every_n: int = 20,
):
  opt_state = jax.jit(optimizer.init)(params)

  step_counter = 0
  avg_loss=0

  # The first round of the validation loss.
  n_steps_eval = 0
  eval_loss = 0
  for val_example in validation_ds.as_numpy_iterator():
    eval_loss += validation_step(
        model, params, dataset_builder._tokenizer.pad_id, val_example
    )
    n_steps_eval += 1
  print(f"Start, validation loss: {eval_loss/n_steps_eval}")

  for train_example in train_ds:
    train_loss, params, opt_state = train_step(
        model=model,
        params=params,
        optimizer=optimizer,
        opt_state=opt_state,
        pad_id=dataset_builder._tokenizer.pad_id,
        example=train_example,
    )

    step_counter += 1
    avg_loss += train_loss
    if step_counter % eval_every_n == 0:
      eval_loss = 0

      n_steps_eval = 0
      val_iterator = validation_ds.as_numpy_iterator()
      for val_example in val_iterator:
        eval_loss += validation_step(
            model,
            params,
            dataset_builder._tokenizer.pad_id,
            val_example,
        )
        n_steps_eval +=1
      avg_loss /= eval_every_n
      eval_loss /= n_steps_eval
      print(f"STEP {step_counter} training loss: {avg_loss} - eval loss: {eval_loss}")
      avg_loss=0
    if num_steps is not None and step_counter > num_steps:
      break
  return params

यहां आपको एक (Optax) ऑप्टिमाइज़र चुनना होगा. कम मेमोरी वाले डिवाइसों के लिए, आपको एसजीडी का इस्तेमाल करना चाहिए, क्योंकि इसका मेमोरी फ़ुटप्रिंट बहुत कम है. बेहतर परफ़ॉर्मेंस पाने के लिए, एडम-डब्ल्यू को आज़माएं. इस नोटबुक में खास टास्क के लिए, हर ऑप्टिमाइज़र के लिए सबसे सही हाइपर पैरामीटर, इस उदाहरण में 2b-it चेकपॉइंट के लिए दिए गए हैं.

def griffin_weight_decay_mask(params_like: optax.Params) -> Any:
  # Don't put weight decay on the RGLRU, the embeddings and any biases
  def enable_weight_decay(path: list[Any], _: Any) -> bool:
    # Parameters in the LRU and embedder
    path = [dict_key.key for dict_key in path]
    if 'rg_lru' in path or 'embedder' in path:
      return False
    # All biases and scales
    if path[-1] in ('b', 'scale'):
      return False
    return True

  return jax.tree_util.tree_map_with_path(enable_weight_decay, params_like)

optimizer_choice = "sgd"

if optimizer_choice == "sgd":
  optimizer = optax.sgd(learning_rate=1e-3)
  num_steps = 300
elif optimizer_choice == "adamw":
  optimizer = optax.adamw(
        learning_rate=1e-4,
        b2=0.96,
        eps=1e-8,
        weight_decay=0.1,
        mask=griffin_weight_decay_mask,
    )
  num_steps = 100
else:
  raise ValueError(f"Unknown optimizer: {optimizer_choice}")

ट्रेनिंग और पुष्टि करने वाले डेटासेट तैयार करें:

# Choose a small sequence length size, so that everything fits in memory.
num_epochs = 1
batch_size = 1
sequence_length = 32

# Make the dataset builder.
tokenizer = GriffinTokenizer(vocab)
dataset_builder= MTNTDatasetBuilder(tokenizer, sequence_length + 1)

# Build the training dataset.
train_ds = dataset_builder.get_train_dataset(
    batch_size=batch_size,
    num_epochs=num_epochs,
).as_numpy_iterator()

# Build the validation dataset, with a limited number of samples for this demo.
validation_ds = dataset_builder.get_validation_dataset(
    batch_size=batch_size,
).take(50)

कुछ ही चरणों (num_steps) पर RecurrentGemma (Griffin) मॉडल को बेहतर बनाना शुरू करें:

trained_params = train_loop(
    model=model,
    params=params,
    optimizer=optimizer,
    train_ds=train_ds,
    validation_ds=validation_ds,
    num_steps=num_steps,
)

Start, validation loss: 7.894117832183838
/usr/local/lib/python3.10/dist-packages/jax/_src/interpreters/mlir.py:920: UserWarning: Some donated buffers were not usable: ShapedArray(int32[1,33]), ShapedArray(bool[1,33]), ShapedArray(int32[], weak_type=True).
See an explanation at https://jax.readthedocs.io/en/latest/faq.html#buffer_donation.
  warnings.warn("Some donated buffers were not usable:"
STEP 20 training loss: 4.592616081237793 - eval loss: 2.847407102584839
STEP 40 training loss: 2.7537424564361572 - eval loss: 2.9258534908294678
STEP 60 training loss: 2.835618257522583 - eval loss: 2.4382340908050537
STEP 80 training loss: 2.6322107315063477 - eval loss: 2.3696839809417725
STEP 100 training loss: 1.8703256845474243 - eval loss: 2.355681896209717
STEP 120 training loss: 2.7280433177948 - eval loss: 2.4059958457946777
STEP 140 training loss: 2.3047447204589844 - eval loss: 2.083082914352417
STEP 160 training loss: 2.3432137966156006 - eval loss: 2.095074415206909
STEP 180 training loss: 2.1081202030181885 - eval loss: 2.006460189819336
STEP 200 training loss: 2.5359647274017334 - eval loss: 1.9667452573776245
STEP 220 training loss: 2.202195644378662 - eval loss: 1.9440618753433228
STEP 240 training loss: 2.756615400314331 - eval loss: 2.1073737144470215
STEP 260 training loss: 2.5128934383392334 - eval loss: 2.117241859436035
STEP 280 training loss: 2.73045015335083 - eval loss: 1.9159646034240723
STEP 300 training loss: 2.0918595790863037 - eval loss: 1.9742532968521118

हर चरण की गिनती के साथ, ट्रेनिंग और पुष्टि, दोनों की कमी कम हो जानी चाहिए थी.

यह पक्का करने के लिए कि आपका इनपुट, ट्रेनिंग फ़ॉर्मैट से मेल खाता हो, प्रीफ़िक्स Translate this into French:\n और आखिर में एक न्यूलाइन वर्ण इस्तेमाल करना न भूलें. इससे, मॉडल को अनुवाद शुरू करने के लिए सिग्नल मिलता है.

sampler.params = trained_params
output = sampler(
    ["Translate this into French:\nHello, my name is Morgane.\n"],
    total_generation_steps=100,
)
print(output.text[0])

/usr/local/lib/python3.10/dist-packages/jax/_src/interpreters/mlir.py:920: UserWarning: Some donated buffers were not usable: ShapedArray(int32[1,16]).
See an explanation at https://jax.readthedocs.io/en/latest/faq.html#buffer_donation.
  warnings.warn("Some donated buffers were not usable:"
Mais je m'appelle Morgane.

ज़्यादा जानें

GitHub पर Google DeepMind recurrentgemma लाइब्रेरी के बारे में ज़्यादा जानकारी पाएं. इसमें उन तरीकों और मॉड्यूल की डॉकस्ट्रिंग मौजूद हैं जिनका इस्तेमाल आपने इस ट्यूटोरियल में किया है, जैसे कि recurrentgemma.jax.load_parameters, recurrentgemma.jax.Griffin, और recurrentgemma.jax.Sampler.
इन लाइब्रेरी की अपनी डॉक्यूमेंटेशन साइटें हैं: Core JAX, Flax, Chex, Optax, और Orbax.
sentencepiece टोकनाइज़र/डिटोकेनाइज़र के दस्तावेज़ के लिए, Google का sentencepiece GitHub रेपो देखें.
kagglehub के दस्तावेज़ों के लिए, Kaggle के kagglehub GitHub रेपो पर README.md देखें.
Google Cloud Vertex AI की मदद से, Gemma के मॉडल इस्तेमाल करने का तरीका जानें.
अगर Google Cloud TPU (3-8 और इसके बाद के वर्शन) का इस्तेमाल किया जा रहा है, तो नए jax[tpu] पैकेज (!pip install -U jax[tpu] -f https://storage.googleapis.com/jax-releases/libtpu_releases.html) पर भी अपडेट करना न भूलें. साथ ही, रनटाइम को रीस्टार्ट करें और यह देखें कि jax और jaxlib वर्शन मेल खाते हैं (!pip list | grep jax). यह jaxlib और jax वर्शन के मेल न खाने की वजह से हो सकने वाले RuntimeError को रोक सकता है. JAX इंस्टॉल करने से जुड़े और निर्देशों के लिए, JAX के दस्तावेज़ देखें.
RecurrentGemma: मूविंग पास्ट ट्रांसफ़ॉर्मर देखें Google DeepMind की ओर से बेहतरीन ओपन लैंग्वेज मॉडल पेपर के लिए.
ग्रिफ़िन: मिक्सिंग गेट्ड लीनियर रिकरेरेंस्स को इसके साथ पढ़ें RecurrentGemma की ओर से इस्तेमाल किए जाने वाले मॉडल आर्किटेक्चर के बारे में ज़्यादा जानने के लिए, Google DeepMind का लोकल अटेंशन फ़ॉर एफ़िशिएंट लैंग्वेज मॉडल.