docs/si/transformers/gmlp/experiment.html
මෙය GMLP ආකෘතියක්පුහුණු කිරීම සඳහා කරන ලද පයිටෝර්ච් අත්හදා බැලීමකි. පුහුණුව අතරතුර සමහර ස්ථර අහඹු ලෙස ඉවත් කරනු ලබන Stochastic Depth regularization ද කඩදාසි අදාළ වේ. අපි එය මෙහි ක්රියාත්මක කර නැත.
මෙයපදනම් වී ඇත්තේ සරල ට්රාන්ස්ෆෝමර් ස්වයංක්රීය-ප්රතිගාමී එන්එල්පී කාර්යයක් සඳහා පුහුණු ලූප සහ වින්යාසයන්මත ය.
18fromlabmlimportexperiment19fromlabml.configsimportoption20fromlabml\_nn.transformersimportTransformerConfigs21fromlabml\_nn.transformers.basic.autoregressive\_experimentimportConfigsasBasicAutoRegressionConfigs22fromlabml\_nn.transformers.gmlpimportGMLPBlock
මෙය සරල ට්රාන්ස්ෆෝමර් ස්වයංක්රීය-ප්රතිගාමී එන්එල්පී කර්තව්යයක් සඳහා පුහුණු ලූප සහ වින්යාසයන්වලින් උරුම වේ.
25classConfigs(BasicAutoRegressionConfigs):
ට්රාන්ස්ෆෝමර්
34transformer:TransformerConfigs='gMLP'
ජීඑම්එල්පීබ්ලොක්
36gmlp:GMLPBlock
d_ffn GMLP ප්රක්ෂේපණ ස්ථරය සඳහා
38d\_ffn:int=2048
41@option(Configs.gmlp,'gMLP')42def\_gmlp\_configs(c:Configs):
46returnGMLPBlock(c.d\_model,c.d\_ffn,c.seq\_len)
49@option(Configs.transformer,'gMLP')50def\_transformer\_configs(c:Configs):
අපගේ වින්යාසගත කළ හැකි ට්රාන්ස්ෆෝමර් ක්රියාත්මක කිරීම භාවිතා කරමු
57conf=TransformerConfigs()
කාවැද්දීම්සහ පිවිසුම් උත්පාදනය සඳහා වචන මාලාව ප්රමාණ සකසන්න
59conf.n\_src\_vocab=c.n\_tokens60conf.n\_tgt\_vocab=c.n\_tokens
ආකෘතිප්රමාණය සකසන්න
62conf.d\_model=c.d\_model
එන්කෝඩර්ස්තරය GMLP ස්ථරයකින් ප්රතිස්ථාපනය කරන්න
64conf.encoder\_layer=c.gmlp6566returnconf
69defmain():
අත්හදාබැලීම සාදන්න
71experiment.create(name="gMLP")
වින්යාසසාදන්න
73conf=Configs()
වින්යාසයන්අභිබවා යන්න
75experiment.configs(conf,{
අක්ෂරමට්ටමේ ටෝකනයිසර් භාවිතා කරන්න
77'tokenizer':'character',
කඩිනම්බෙදුම්කරු හිස් ය
79'prompt\_separator':'',
නියැදීමසඳහා විමසුමක් ආරම්භ කිරීම
81'prompt':'It is ',
කුඩාෂේක්ස්පියර් දත්ත කට්ටලය භාවිතා කරන්න
83'text':'tiny\_shakespeare',
කසන්දර්භය ප්රමාණය භාවිතා 256
86'seq\_len':256,
128 Epochs සඳහා දුම්රිය
88'epochs':128,
කණ්ඩායම්ප්රමාණය 32
90'batch\_size':32,
එක් 10 යුගයකට වරක් පුහුණුව සහ වලංගු කිරීම අතර මාරු වන්න
93'inner\_iterations':10,
ආදර්ශප්රමාණය
96'd\_model':512,97'd\_ffn':2048,
නෝම් ප්රශස්තකරණය භාවිතා කරන්න
100'optimizer.optimizer':'Noam',101'optimizer.learning\_rate':1.,102})
ඉතිරිකිරීම සහ පැටවීම සඳහා ආකෘති සකසන්න
105experiment.add\_pytorch\_models({'model':conf.model})
අත්හදාබැලීම ආරම්භ කරන්න
108withexperiment.start():
පුහුණුධාවනය
110conf.run()
114if\_\_name\_\_=='\_\_main\_\_':115main()