Advertisement
tastypear

tensormap

Nov 21st, 2023 (edited)
445
0
Never
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
Python 11.74 KB | None | 0 0
  1. from __future__ import annotations
  2.  
  3. from typing import Sequence
  4.  
  5. from .constants import MODEL_ARCH, MODEL_TENSOR, MODEL_TENSORS, TENSOR_NAMES
  6.  
  7.  
  8. class TensorNameMap:
  9.     mappings_cfg: dict[MODEL_TENSOR, tuple[str, ...]] = {
  10.         # Token embeddings
  11.         MODEL_TENSOR.TOKEN_EMBD: (
  12.             "gpt_neox.embed_in",                         # gptneox
  13.             "transformer.wte",                           # gpt2 gpt-j mpt refact
  14.             "transformer.word_embeddings",               # falcon
  15.             "word_embeddings",                           # bloom
  16.             "model.embed_tokens",                        # llama-hf
  17.             "tok_embeddings",                            # llama-pth
  18.             "embeddings.word_embeddings",                # bert
  19.             "language_model.embedding.word_embeddings",  # persimmon
  20.         ),
  21.  
  22.         # Token type embeddings
  23.         MODEL_TENSOR.TOKEN_TYPES: (
  24.             "embeddings.token_type_embeddings",  # bert
  25.         ),
  26.  
  27.         # Normalization of token embeddings
  28.         MODEL_TENSOR.TOKEN_EMBD_NORM: (
  29.             "word_embeddings_layernorm",  # bloom
  30.         ),
  31.  
  32.         # Position embeddings
  33.         MODEL_TENSOR.POS_EMBD: (
  34.             "transformer.wpe",                 # gpt2
  35.             "embeddings.position_embeddings",  # bert
  36.         ),
  37.  
  38.         # Output
  39.         MODEL_TENSOR.OUTPUT: (
  40.             "embed_out",                 # gptneox
  41.             "lm_head",                   # gpt2 mpt falcon llama-hf baichuan
  42.             "output",                    # llama-pth bloom
  43.             "word_embeddings_for_head",  # persimmon
  44.         ),
  45.  
  46.         # Output norm
  47.         MODEL_TENSOR.OUTPUT_NORM: (
  48.             "gpt_neox.final_layer_norm",               # gptneox
  49.             "model.embed_layer_norm",                  # BlueLM
  50.             "transformer.ln_f",                        # gpt2 gpt-j falcon
  51.             "model.norm",                              # llama-hf baichuan
  52.             "norm",                                    # llama-pth
  53.             "embeddings.LayerNorm",                    # bert
  54.             "transformer.norm_f",                      # mpt
  55.             "ln_f",                                    # refact bloom
  56.             "language_model.encoder.final_layernorm",  # persimmon
  57.         ),
  58.  
  59.         # Rope frequencies
  60.         MODEL_TENSOR.ROPE_FREQS: (
  61.             "rope.freqs",  # llama-pth
  62.         ),
  63.     }
  64.  
  65.     block_mappings_cfg: dict[MODEL_TENSOR, tuple[str, ...]] = {
  66.         # Attention norm
  67.         MODEL_TENSOR.ATTN_NORM: (
  68.             "gpt_neox.layers.{bid}.input_layernorm",                # gptneox
  69.             "transformer.h.{bid}.ln_1",                             # gpt2 gpt-j refact
  70.             "transformer.blocks.{bid}.norm_1",                      # mpt
  71.             "transformer.h.{bid}.input_layernorm",                  # falcon7b
  72.             "h.{bid}.input_layernorm",                              # bloom
  73.             "transformer.h.{bid}.ln_mlp",                           # falcon40b
  74.             "model.layers.{bid}.input_layernorm",                   # llama-hf
  75.             "layers.{bid}.attention_norm",                          # llama-pth
  76.             "encoder.layer.{bid}.attention.output.LayerNorm",       # bert
  77.             "language_model.encoder.layers.{bid}.input_layernorm",  # persimmon
  78.             "model.layers.{bid}.ln1",                               # yi
  79.         ),
  80.  
  81.         # Attention norm 2
  82.         MODEL_TENSOR.ATTN_NORM_2: (
  83.             "transformer.h.{bid}.ln_attn",  # falcon40b
  84.         ),
  85.  
  86.         # Attention query-key-value
  87.         MODEL_TENSOR.ATTN_QKV: (
  88.             "gpt_neox.layers.{bid}.attention.query_key_value",                     # gptneox
  89.             "transformer.h.{bid}.attn.c_attn",                                     # gpt2
  90.             "transformer.blocks.{bid}.attn.Wqkv",                                  # mpt
  91.             "transformer.h.{bid}.self_attention.query_key_value",                  # falcon
  92.             "h.{bid}.self_attention.query_key_value",                              # bloom
  93.             "language_model.encoder.layers.{bid}.self_attention.query_key_value",  # persimmon
  94.         ),
  95.  
  96.         # Attention query
  97.         MODEL_TENSOR.ATTN_Q: (
  98.             "model.layers.{bid}.self_attn.q_proj",       # llama-hf
  99.             "layers.{bid}.attention.wq",                 # llama-pth
  100.             "encoder.layer.{bid}.attention.self.query",  # bert
  101.             "transformer.h.{bid}.attn.q_proj",           # gpt-j
  102.         ),
  103.  
  104.         # Attention key
  105.         MODEL_TENSOR.ATTN_K: (
  106.             "model.layers.{bid}.self_attn.k_proj",     # llama-hf
  107.             "layers.{bid}.attention.wk",               # llama-pth
  108.             "encoder.layer.{bid}.attention.self.key",  # bert
  109.             "transformer.h.{bid}.attn.k_proj",         # gpt-j
  110.         ),
  111.  
  112.         # Attention value
  113.         MODEL_TENSOR.ATTN_V: (
  114.             "model.layers.{bid}.self_attn.v_proj",       # llama-hf
  115.             "layers.{bid}.attention.wv",                 # llama-pth
  116.             "encoder.layer.{bid}.attention.self.value",  # bert
  117.             "transformer.h.{bid}.attn.v_proj",           # gpt-j
  118.         ),
  119.  
  120.         # Attention output
  121.         MODEL_TENSOR.ATTN_OUT: (
  122.             "gpt_neox.layers.{bid}.attention.dense",                     # gptneox
  123.             "transformer.h.{bid}.attn.c_proj",                           # gpt2 refact
  124.             "transformer.blocks.{bid}.attn.out_proj",                    # mpt
  125.             "transformer.h.{bid}.self_attention.dense",                  # falcon
  126.             "h.{bid}.self_attention.dense",                              # bloom
  127.             "model.layers.{bid}.self_attn.o_proj",                       # llama-hf
  128.             "layers.{bid}.attention.wo",                                 # llama-pth
  129.             "encoder.layer.{bid}.attention.output.dense",                # bert
  130.             "transformer.h.{bid}.attn.out_proj",                         # gpt-j
  131.             "language_model.encoder.layers.{bid}.self_attention.dense",  # persimmon
  132.         ),
  133.  
  134.         # Rotary embeddings
  135.         MODEL_TENSOR.ATTN_ROT_EMBD: (
  136.             "model.layers.{bid}.self_attn.rotary_emb.inv_freq",   # llama-hf
  137.             "layers.{bid}.attention.inner_attention.rope.freqs",  # llama-pth
  138.         ),
  139.  
  140.         # Feed-forward norm
  141.         MODEL_TENSOR.FFN_NORM: (
  142.             "gpt_neox.layers.{bid}.post_attention_layernorm",                # gptneox
  143.             "transformer.h.{bid}.ln_2",                                      # gpt2 refact
  144.             "h.{bid}.post_attention_layernorm",                              # bloom
  145.             "transformer.blocks.{bid}.norm_2",                               # mpt
  146.             "model.layers.{bid}.post_attention_layernorm",                   # llama-hf
  147.             "layers.{bid}.ffn_norm",                                         # llama-pth
  148.             "encoder.layer.{bid}.output.LayerNorm",                          # bert
  149.             "language_model.encoder.layers.{bid}.post_attention_layernorm",  # persimmon
  150.             "model.layers.{bid}.ln2",                                        # yi
  151.         ),
  152.  
  153.         # Feed-forward up
  154.         MODEL_TENSOR.FFN_UP: (
  155.             "gpt_neox.layers.{bid}.mlp.dense_h_to_4h",                # gptneox
  156.             "transformer.h.{bid}.mlp.c_fc",                           # gpt2
  157.             "transformer.blocks.{bid}.ffn.up_proj",                   # mpt
  158.             "transformer.h.{bid}.mlp.dense_h_to_4h",                  # falcon
  159.             "h.{bid}.mlp.dense_h_to_4h",                              # bloom
  160.             "model.layers.{bid}.mlp.up_proj",                         # llama-hf refact
  161.             "layers.{bid}.feed_forward.w3",                           # llama-pth
  162.             "encoder.layer.{bid}.intermediate.dense",                 # bert
  163.             "transformer.h.{bid}.mlp.fc_in",                          # gpt-j
  164.             "language_model.encoder.layers.{bid}.mlp.dense_h_to_4h",  # persimmon
  165.         ),
  166.  
  167.         # Feed-forward gate
  168.         MODEL_TENSOR.FFN_GATE: (
  169.             "model.layers.{bid}.mlp.gate_proj",  # llama-hf refact
  170.             "layers.{bid}.feed_forward.w1",      # llama-pth
  171.         ),
  172.  
  173.         # Feed-forward down
  174.         MODEL_TENSOR.FFN_DOWN: (
  175.             "gpt_neox.layers.{bid}.mlp.dense_4h_to_h",                # gptneox
  176.             "transformer.h.{bid}.mlp.c_proj",                         # gpt2 refact
  177.             "transformer.blocks.{bid}.ffn.down_proj",                 # mpt
  178.             "transformer.h.{bid}.mlp.dense_4h_to_h",                  # falcon
  179.             "h.{bid}.mlp.dense_4h_to_h",                              # bloom
  180.             "model.layers.{bid}.mlp.down_proj",                       # llama-hf
  181.             "layers.{bid}.feed_forward.w2",                           # llama-pth
  182.             "encoder.layer.{bid}.output.dense",                       # bert
  183.             "transformer.h.{bid}.mlp.fc_out",                         # gpt-j
  184.             "language_model.encoder.layers.{bid}.mlp.dense_4h_to_h",  # persimmon
  185.         ),
  186.  
  187.         MODEL_TENSOR.ATTN_Q_NORM: (
  188.             "language_model.encoder.layers.{bid}.self_attention.q_layernorm",
  189.         ),
  190.  
  191.         MODEL_TENSOR.ATTN_K_NORM: (
  192.             "language_model.encoder.layers.{bid}.self_attention.k_layernorm",
  193.         ),
  194.  
  195.         MODEL_TENSOR.ROPE_FREQS: (
  196.             "language_model.encoder.layers.{bid}.self_attention.rotary_emb.inv_freq",  # persimmon
  197.         ),
  198.     }
  199.  
  200.     mapping: dict[str, tuple[MODEL_TENSOR, str]]
  201.  
  202.     def __init__(self, arch: MODEL_ARCH, n_blocks: int):
  203.         self.mapping = {}
  204.         for tensor, keys in self.mappings_cfg.items():
  205.             if tensor not in MODEL_TENSORS[arch]:
  206.                 continue
  207.             tensor_name = TENSOR_NAMES[tensor]
  208.             self.mapping[tensor_name] = (tensor, tensor_name)
  209.             for key in keys:
  210.                 self.mapping[key] = (tensor, tensor_name)
  211.         for bid in range(n_blocks):
  212.             for tensor, keys in self.block_mappings_cfg.items():
  213.                 if tensor not in MODEL_TENSORS[arch]:
  214.                     continue
  215.                 tensor_name = TENSOR_NAMES[tensor].format(bid = bid)
  216.                 self.mapping[tensor_name] = (tensor, tensor_name)
  217.                 for key in keys:
  218.                     key = key.format(bid = bid)
  219.                     self.mapping[key] = (tensor, tensor_name)
  220.  
  221.     def get_type_and_name(self, key: str, try_suffixes: Sequence[str] = ()) -> tuple[MODEL_TENSOR, str] | None:
  222.         result = self.mapping.get(key)
  223.         if result is not None:
  224.             return result
  225.         for suffix in try_suffixes:
  226.             if key.endswith(suffix):
  227.                 result = self.mapping.get(key[:-len(suffix)])
  228.                 if result is not None:
  229.                     return result[0], result[1] + suffix
  230.         return None
  231.  
  232.     def get_name(self, key: str, try_suffixes: Sequence[str] = ()) -> str | None:
  233.         result = self.get_type_and_name(key, try_suffixes = try_suffixes)
  234.         if result is None:
  235.             return None
  236.         return result[1]
  237.  
  238.     def get_type(self, key: str, try_suffixes: Sequence[str] = ()) -> MODEL_TENSOR | None:
  239.         result = self.get_type_and_name(key, try_suffixes = try_suffixes)
  240.         if result is None:
  241.             return None
  242.         return result[0]
  243.  
  244.     def __getitem__(self, key: str) -> str:
  245.         try:
  246.             return self.mapping[key][1]
  247.         except KeyError:
  248.             raise KeyError(key)
  249.  
  250.     def __contains__(self, key: str) -> bool:
  251.         return key in self.mapping
  252.  
  253.     def __repr__(self) -> str:
  254.         return repr(self.mapping)
  255.  
  256.  
  257. def get_tensor_name_map(arch: MODEL_ARCH, n_blocks: int) -> TensorNameMap:
  258.     return TensorNameMap(arch, n_blocks)
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement