pretrain_gpt.sh 1.0 KB

123456789101112131415161718192021222324252627282930313233343536373839404142
  1. #! /bin/bash
  2. # Runs the "345M" parameter model
  3. RANK=0
  4. WORLD_SIZE=1
  5. DATA_PATH=<Specify path and file prefix>_text_document
  6. CHECKPOINT_PATH=<Specify path>
  7. python pretrain_gpt.py \
  8. --num-layers 24 \
  9. --hidden-size 1024 \
  10. --num-attention-heads 16 \
  11. --micro-batch-size 4 \
  12. --global-batch-size 8 \
  13. --seq-length 1024 \
  14. --max-position-embeddings 1024 \
  15. --train-iters 500000 \
  16. --lr-decay-iters 320000 \
  17. --save $CHECKPOINT_PATH \
  18. --load $CHECKPOINT_PATH \
  19. --data-path $DATA_PATH \
  20. --vocab-file gpt2-vocab.json \
  21. --merge-file gpt2-merges.txt \
  22. --data-impl mmap \
  23. --split 949,50,1 \
  24. --distributed-backend nccl \
  25. --lr 0.00015 \
  26. --min-lr 1.0e-5 \
  27. --lr-decay-style cosine \
  28. --weight-decay 1e-2 \
  29. --clip-grad 1.0 \
  30. --lr-warmup-fraction .01 \
  31. --checkpoint-activations \
  32. --log-interval 100 \
  33. --save-interval 10000 \
  34. --eval-interval 1000 \
  35. --eval-iters 10 \
  36. --fp16