File size: 6,407 Bytes
9f13819 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 |
import os
import pytorch_lightning as pl
from argparse import ArgumentParser
from pytorch_lightning import Trainer
import pytorch_lightning.callbacks as plc
from pytorch_lightning.loggers import TensorBoardLogger, CSVLogger
from model.model_interface import MInterface
from data.data_interface import DInterface
from recommender.A_SASRec_final_bce_llm import SASRec, Caser, GRU
from SASRecModules_ori import *
from transformers import LlamaForCausalLM, LlamaTokenizer
def load_callbacks(args):
callbacks = []
callbacks.append(plc.EarlyStopping(
monitor='metric',
mode='max',
patience=10,
min_delta=0.001
))
callbacks.append(plc.ModelCheckpoint(
monitor='metric',
dirpath=args.ckpt_dir,
filename='{epoch:02d}-{metric:.3f}',
save_top_k=-1,
mode='max',
save_last=True,
#train_time_interval=args.val_check_interval
every_n_epochs=1
))
if args.lr_scheduler:
callbacks.append(plc.LearningRateMonitor(
logging_interval='step'))
return callbacks
def main(args):
pl.seed_everything(args.seed)
model = MInterface(**vars(args))
if args.ckpt_path:
ckpt = torch.load(args.ckpt_path, map_location='cpu')
model.load_state_dict(ckpt['state_dict'], strict=False)
print("load checkpoints from {}".format(args.ckpt_path))
data_module = DInterface(llm_tokenizer=model.llama_tokenizer,**vars(args))
args.max_steps=len(data_module.trainset) * args.max_epochs // (args.accumulate_grad_batches * args.batch_size)
logger = TensorBoardLogger(save_dir='./log/', name=args.log_dir)
args.callbacks = load_callbacks(args)
args.logger = logger
if not os.path.exists(args.ckpt_dir):
os.makedirs(args.ckpt_dir)
trainer = Trainer.from_argparse_args(args)
if args.auto_lr_find:
lr_finder=trainer.tuner.lr_find(model=model, datamodule=data_module, min_lr=1e-10, max_lr=1e-3, num_training=100)
fig=lr_finder.plot(suggest=True)
fig_path="lr_finder.png"
fig.savefig(fig_path)
print("Saving to {}".format(fig_path))
model.hparams.lr=lr_finder.suggestion()
if args.mode == 'train':
trainer.fit(model=model, datamodule=data_module)
else:
trainer.test(model=model, datamodule=data_module)
if __name__ == '__main__':
torch.multiprocessing.set_start_method('spawn')
parser = ArgumentParser()
parser.add_argument('--accelerator', default='gpu', type=str)
parser.add_argument('--devices', default=-1, type=list)
parser.add_argument('--precision', default=16, type=int)
parser.add_argument('--amp_backend', default="native", type=str)
parser.add_argument('--batch_size', default=4, type=int)
parser.add_argument('--num_workers', default=8, type=int)
parser.add_argument('--seed', default=1234, type=int)
parser.add_argument('--lr', default=1e-4, type=float)
parser.add_argument('--accumulate_grad_batches', default=32, type=int)
parser.add_argument('--check_val_every_n_epoch', default=1, type=int)
parser.add_argument('--lr_scheduler', default='cosine', choices=['cosine'], type=str)
parser.add_argument('--lr_decay_min_lr', default=1e-6, type=float)
parser.add_argument('--lr_warmup_start_lr', default=1e-6, type=float)
parser.add_argument('--load_best', action='store_true')
parser.add_argument('--load_dir', default=None, type=str)
parser.add_argument('--load_ver', default=None, type=str)
parser.add_argument('--load_v_num', default=None, type=int)
parser.add_argument('--dataset', default='steam_data', type=str)
parser.add_argument('--data_dir', default='LLaRA_MOE/data/ref/steam', type=str)
parser.add_argument('--model_name', default='mlp_projector', type=str)
parser.add_argument('--loss', default='lm', type=str)
parser.add_argument('--weight_decay', default=1e-5, type=float)
parser.add_argument('--no_augment', action='store_true')
parser.add_argument('--ckpt_dir', default='LLaRA_MOE/checkpoints/steam/', type=str)
parser.add_argument('--log_dir', default='steam_logs', type=str)
parser.add_argument('--rec_size', default=64, type=int)
parser.add_argument('--padding_item_id', default=3581, type=int)
parser.add_argument('--llm_path', default='meta-llama/Llama-2-7b-hf', type=str)
parser.add_argument('--rec_model_path', default='LLaRA_MOE/rec_model/SASRec_steam.pt', type=str)
parser.add_argument('--prompt_path', default='LLaRA_MOE/prompt/game.txt', type=str)
parser.add_argument('--output_dir', default='LLaRA_MOE/output/steam_moe/', type=str)
parser.add_argument('--ckpt_path', type=str)
parser.add_argument('--rec_embed', default="SASRec", choices=['SASRec', 'Caser','GRU'], type=str)
parser.add_argument('--aug_prob', default=0.5, type=float)
parser.add_argument('--mode', default='test', choices=['train', 'test'], type=str)
parser.add_argument('--auto_lr_find', default=False, action='store_true')
parser.add_argument('--metric', default='hr', choices=['hr'], type=str)
parser.add_argument('--max_epochs', default=5, type=int)
parser.add_argument('--save', default='part', choices=['part', 'all'], type=str)
parser.add_argument('--cans_num', default=20, type=int)
# Finetuning
parser.add_argument('--llm_tuning', default='moelora', choices=['lora', 'freeze','freeze_lora', 'moelora'], type=str)
parser.add_argument('--peft_dir', default=None, type=str)
parser.add_argument('--peft_config', default=None, type=str)
parser.add_argument('--lora_r', default=8, type=float)
parser.add_argument('--lora_alpha', default=32, type=float)
parser.add_argument('--lora_dropout', default=0.1, type=float)
parser.add_argument('--num_moe', default=4, type=int)
parser.add_argument('--gating', default='Dense', type=str)
parser.add_argument('--local_rank', default=3, type=int)
parser.add_argument('--if_rand', default=False, type=bool)
parser.add_argument('--router', default='unshare', choices=['share', 'unshare'], type=str)
args = parser.parse_args()
if 'movielens' in args.data_dir:
args.padding_item_id = 1682
elif 'steam' in args.data_dir:
args.padding_item_id = 3581
elif 'lastfm' in args.data_dir:
args.padding_item_id = 4606
main(args)
|