update iluvatar cpm config (FlagOpen#210)

* 1.update iluvatar cpm config.
2.update iluvatar sdk info.

* update cpm 1x1 2x8 mem info

* update cpm performance info

training/benchmarks/cpm/README.md

@@ -32,6 +32,6 @@ Permission is hereby granted, free of charge, to any person obtaining a copy of
 |     | Pytorch  |Paddle|TensorFlow2|
 |  ----  | ----  |  ----  | ----  |
 | Nvidia GPU | ✅ |N/A  |N/A|
-
+| 天数智芯   |  ✅  | N/A |N/A|
 
 

training/iluvatar/README.md

@@ -26,7 +26,7 @@
     - 加速卡型号: Iluvatar BI-V100 32G
   - 软件
     - OS kernel版本: 
-    Linux 4.15.0-156-generic x86_64
+    Linux 5.4.0-148-generic x86_64
     - Docker 版本: 
     20.10.8
 
@@ -38,17 +38,17 @@
 - 核心软件信息 
   - AI框架&版本
 
-    torch: 1.10.2+corex.3.0.0
+    torch: 1.13.1+corex.3.1.0
 
   - 其它软件版本
 
     cuda: 10.2
 
-    corex: 3.0.0
+    corex: 3.1.0
 
-    torchtext: 0.11.2+corex.3.0.0
+    torchtext: 0.14.1+corex.3.1.0
 
-    apex: 0.1+corex.3.0.0
+    apex: 0.1+corex.3.1.0
 
 
 

training/iluvatar/cpm-pytorch/README.md

@@ -1,25 +1,10 @@
-### 模型信息
-- 模型介绍
->中文预训练语言模型（CPM）是基于transformers 的自回归语言模型，其训练使用了100G中文数据，最大版本包含26亿参数，支持文本分类、文本生成。 
->获取CPM论文了解更多 
->[CPM: A Large-scale Generative Chinese Pre-trained Language Model](https://arxiv.org/abs/2012.00413)
-
-- 模型代码来源
-
-| repo    | commmit_id  | date |
-| ------- | ----------- |----- |
-| [CPM-1-Finetune](https://github.com/TsinghuaAI/CPM-1-Finetune) | c0d892185912b28f8efeaeb55905f3f4fb227e46|2021-10-17 21:53:00|
-
 ### 模型Checkpoint下载
-> [下载页](https://model.baai.ac.cn/model-detail/100017)
-文件及版本tab页下，pytorch_model.bin. 
-参数数：2.6B
+参见[模型Checkpoint下载](../../benchmarks/cpm/README.md#模型checkpoint)
+
 
 ### 测试数据集下载
-> Dataset : https://drive.google.com/drive/folders/1gL01xbFBcrgP0TmgOhJ_uplkeG-BCwvM
+参见[测试数据集下载](../../benchmarks/cpm/README.md#测试数据集下载地址)
 
-- 预处理
-> 无需预处理 
 
 ### 天数智芯 BI-V100 GPU配置与运行信息参考
 #### 环境配置
@@ -28,24 +13,37 @@
 
 - ##### 软件环境
    - OS版本：Ubuntu 20.04
-   - OS kernel版本:  4.15.0-156-generic x86_64    
-   - 加速卡驱动版本：3.0.0
+   - OS kernel版本:  5.4.0-148-generic x86_64    
+   - 加速卡驱动版本：3.1.0
    - Docker 版本：20.10.8
-   - 训练框架版本：torch-1.10.2+corex.3.0.0
+   - 训练框架版本：torch-1.13.1+corex.3.1.0
    - 依赖软件版本：无
 
-
-### 运行情况
-| 训练资源 | 配置文件            | 运行时长(s) | 目标精度 | 收敛精度 | Steps数 | 性能(samples/s) |
-| -------- | ------------------ | ---------- | ------- | -------  | ------- | --------------- |
-| 单机1卡  | config_BI-V100x1x1 | 6200.51    | 0.8     | 0.8047   | 4375    |23.89            |
-| 单机2卡  | config_BI-V100x1x2 | 5291.47    | 0.8     | 0.8015   | 3756    |47.52            |
-| 单机4卡  | config_BI-V100x1x4 | 5035.74    | 0.8     | 0.8013   | 3454    |91.27            |
-| 单机8卡  | config_BI-V100x1x8 | 5154.91    | 0.92    | 0.9203   | 3476    |178.51           |
-| 两机8卡  | config_BI-V100x2x8 | pending    | 0.92    | pending  | pending |pending          |
-
-### 许可证
-
-本项目基于Apache 2.0 license。
-
-本项目部分代码基于MLCommons https://github.com/mlcommons/training_results_v1.0/tree/master/NVIDIA 实现。
+#### 运行情况
+
+* 通用指标
+
+| 指标名称       | 指标值                         | 特殊说明                                    |
+| -------------- | ------------------------------ | ------------------------------------------- |
+| 任务类别       | 文本分类、文本生成             |                                             |
+| 模型           | cpm                            |                                             |
+| 数据集         | CPM-Finetune-data              |                                             |
+| 数据精度       | precision,见“性能指标”         | 可选fp32/amp/fp16                           |
+| 超参修改       | fix_hp,见“性能指标”            | 跑满硬件设备评测吞吐量所需特殊超参          |
+| 硬件设备简称   | BI-V100                    |                                             |
+| 硬件存储使用   | mem(actual/total),见“性能指标” | 通常称为“显存”,单位为GiB                    |
+| 端到端时间     | e2e_time,见“性能指标”          | 总时间+Perf初始化等时间                     |
+| 总吞吐量       | p_whole,见“性能指标”           | 实际训练样本数除以总时间(performance_whole) |
+| 训练吞吐量     | p_train,见“性能指标”           | 不包含每个epoch末尾的评估部分耗时           |
+| **计算吞吐量** | **p_core,见“性能指标”**        | 不包含数据IO部分的耗时(p3>p2>p1)            |
+| 训练结果       | acc,见“性能指标”               | 分类准确率(mlm_accuracy)                    |
+| 额外修改项     | 无                             |                                             |
+
+* 性能指标
+
+| 配置                | precision | fix_hp           | e2e_time | p_whole | p_train | p_core | acc   | mem       |
+| ------------------- | --------- | ---------------- | -------- | ------- | ------- | ------ | ----- | --------- |
+| BI-V100单机8卡（1x8）  | fp16      | /                |      |      |      |    | 0.92  | 10.7/32.0 |
+| BI-V100单机8卡（1x8）  | fp16      | bs=128,lr=0.0005  |      |      |     |    | 0.92 |  20.3/32.0|
+| BI-V100单机单卡（1x1） | fp16      | bs=192,lr=0.0005 |          |     |    |   |       | 29.1/32.0 |
+| BI-V100两机8卡（2x8）  | fp16      | bs=128,lr=0.0005 |          |     |     |  |       | 20.4/32.0 |

training/iluvatar/cpm-pytorch/config/config_BI-V100x1x1.py

@@ -8,7 +8,7 @@
 
 train_batch_size = 32
 eval_batch_size = train_batch_size
-max_steps = 4000000
+max_steps = 60000
 max_samples_termination = 439126000
 
 warmup = 0.2
@@ -19,3 +19,4 @@
 eps: float = 1e-08
 
 seed = 23333
+training_event = None

training/iluvatar/cpm-pytorch/config/config_BI-V100x1x8.py

@@ -19,3 +19,4 @@
 eps: float = 1e-08
 
 seed = 23333
+training_event = None

training/iluvatar/cpm-pytorch/config/config_BI-V100x2x8.py

@@ -1,14 +1,15 @@
 from config_common import *
 
 fp16 = True
+ddp_type = "apex"
 dist_backend = "nccl"
 target_embedding_average = 0.92
 
 gradient_accumulation_steps = 1
 
-train_batch_size = 32
+train_batch_size = 128
 eval_batch_size = train_batch_size
-max_steps = 4000
+max_steps = 2000
 
 warmup = 0.2
 learning_rate = 0.0005
@@ -18,3 +19,5 @@
 eps: float = 1e-08
 
 seed = 23333
+max_samples_termination = 43912600
+training_event = None