探索flutter框架开发的app在移动应用市场的潜力与挑战
1064
2022-11-13
只用两行代码,我让Transformer推理加速了50倍
最近有学妹问我,我训了一个Transformer模型,但是预测好慢啊,有啥解决方案吗?
我心想,你又想好,又想快,咋不上天-?呢?
于是我跟她说,你可以试试lightseq啊,跟闪电⚡️一样快,用了你就可以上天了。
她一脸懵比,lightseq是啥玩意儿啊?咋就能让我的模型起飞-?️了呢?
我跟她说,你不需要知道太多细节,你只需要知道它是一个Transformer系列模型推理加速库就行了。
她还是一脸疑惑,那用起来能有huggingface方便吗?你看人家就两行代码。
我不屑一笑,就这?lightseq也只要两行代码就够了!
为了方便,我用了一个bart模型预测句子中mask单词的例子来给她吹了一波。
不懂什么是bart?建议先去看看huggingface的文档:bart
我们平时想用huggingface的bart来预测句子中的mask单词,大体上都会像下面这样写代码:
from transformers import BartTokenizer, BartForConditionalGenerationtokenizer = BartTokenizer.from_pretrained("facebook/bart-base")model = BartForConditionalGeneration.from_pretrained("facebook/bart-base")sentences = ["I love that girl, but
当然运行前要先安装一下transformers包:
pip3 install transformers
最后会输出句子“I love that girl, but she does not love me.”,句子中的两个“mask”被预测成了“she”和“love”。
看起来预测的很nice,但是预测的也太慢了,这要是有一堆句子要去预测,不得等到-?年-?月?
接下来我们来看看lightseq是怎么加速预测的。
lightseq bart
代码我都放在下面地址了,只要两分钟就能跑出结果了:install lightseq
首先lightseq只能接收Protocol Buffer协议定义的模型文件,如果你不知道这是啥也没关系,因为我们帮你写好了模型转换的脚本,就是hf_bart_export.py,它会将huggingface预训练的bart模型转换为transformer_pb2.py定义好的Protocol Buffer格式。
所以直接运行python3 hf_bart_export.py就行了,这里我们用的是bart-base模型。
运行完了会发现执行目录下多出一个lightseq_bart_base.pb文件,这就是转换后的模型文件。
最后直接跟huggingface一样,两行代码就能搞定啦:
import lightseqfrom transformers import BartTokenizertokenizer = BartTokenizer.from_pretrained("facebook/bart-base")model = lightseq.Transformer("lightseq_bart_base.pb", 128)sentences = ["I love that girl, but
看得出来仅仅替换了模型定义和模型推理那两行代码而已,是不是非常简单快速?
这时候她又问了,那我换一个模型,比如bert,要怎么导出pb模型呢?
也很简单,只需要为bert也单独写一个hf_bert_export.py就行了。不过目前还在开发中,之后会慢慢完善常见的一些模型的。
速度到底怎么样?
我写好了一个例子,就在ls_bart.py里,直接运行就行了,当然你也可以加上--user_input参数来手动输入句子。
输入的句子是:
I love that girl, but
运行结果如下:
=========================lightseq=========================lightseq generating...lightseq time: 0.034502994269132614slightseq results:I love that girl, but she does not love me.She is so beautiful that I can not help glance at her.Nothing's gonna change my love for you.Drop everything now. Meet me in the pouring rain. Kiss me on the sidewalk.=========================huggingface=========================huggingface generating...huggingface time: 1.6297104470431805shuggingface results:I love that girl, but she does not love me.She is so beautiful that I can not help glance at her.Nothing's gonna change my love for you.Drop everything now. Meet me in the pouring rain. Kiss me on the sidewalk.
可以看出预测的是真的--??,最后两句歌词都预测的很完美,能看出是啥歌吗?
再看预测时间,lightseq是huggingface的47倍左右,真是一个天上一个地下啊。
总结
总结一下,想要使用lightseq加速你的模型,只需要两步就行了:
将你的模型转换为pb格式的模型。(lightseq为你写好了转换脚本,不断更新中)调用lightseq.Transformer和model.infer进行快速推理。
学妹赶紧打住了我,好了好了,我知道很--??了。还给你装起来了,我这就去用。
但是源码哪里有?我想学一学。
我又甩给她一串地址:END -
我是godweiyang,华东师范大学计算机系本硕专业第一,字节跳动AI Lab NLP算法工程师,秋招斩获上海三家互联网大厂ssp offer,主要研究方向为机器翻译、句法分析、模型压缩与加速。最大特点就是脾气好、有耐心,有任何问题都可以随时咨询我,不管是技术上的还是生活上的。
可以进我的技术交流群
记得一键③连,今天的你格外的可爱-?
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~