pretrain_bert.sh 906 B

1234567891011121314151617181920212223242526272829303132333435
  1. #!/bin/bash
  2. RANK=0
  3. WORLD_SIZE=1
  4. DATA_PATH=<Specify path and file prefix>_text_sentence
  5. CHECKPOINT_PATH=<Specify path>
  6. python pretrain_bert.py \
  7. --num-layers 24 \
  8. --hidden-size 1024 \
  9. --num-attention-heads 16 \
  10. --micro-batch-size 4 \
  11. --global-batch-size 8 \
  12. --seq-length 512 \
  13. --max-position-embeddings 512 \
  14. --train-iters 2000000 \
  15. --lr-decay-iters 990000 \
  16. --save $CHECKPOINT_PATH \
  17. --load $CHECKPOINT_PATH \
  18. --data-path $DATA_PATH \
  19. --vocab-file bert-vocab.txt \
  20. --data-impl mmap \
  21. --split 949,50,1 \
  22. --lr 0.0001 \
  23. --min-lr 0.00001 \
  24. --lr-decay-style linear \
  25. --lr-warmup-fraction .01 \
  26. --weight-decay 1e-2 \
  27. --clip-grad 1.0 \
  28. --log-interval 100 \
  29. --save-interval 10000 \
  30. --eval-interval 1000 \
  31. --eval-iters 10 \
  32. --fp16