Create README.md

README.md

@@ -0,0 +1,161 @@
+---
+license: apache-2.0
+language:
+- en
+tags:
+- bitnet
+datasets:
+- abideen/Cosmopedia-100k-pretrain
+---
+
+
+# Bitnet-Nous-Llama3-225M 🚀
+
+Este modelo es una variante optimizada del **Llama3** utilizando la arquitectura **BitNet**, lo que reduce los pesos a los valores `-1`, `0`, y `1` para mejorar la eficiencia en el cómputo sin perder precisión.
+
+![image/png](https://cdn-uploads.huggingface.co/production/uploads/66b0ba742cf20f2528a916bd/vtbKlK5l6yuj5uyJkAEgg.png)
+
+## Modelo Base 🦙
+
+- **Modelo Original**: [Meta-Llama3-8B](https://huggingface.co/meta-llama/Meta-Llama-3-8B)
+- **Parámetros Reducidos**: 225M
+
+## Arquitectura 🔧
+
+El modelo transforma las capas lineales de Llama3 en capas **BitLinear**, aprovechando las siguientes técnicas de cuantización:
+
+- **Cuantización de activaciones**: Escala a ±127
+- **Cuantización de pesos**: Escala a ±1
+
+### Especificaciones Técnicas 📋
+
+- **Dimensiones**: 768
+- **Capas**: 6
+- **Contexto**: 256 tokens
+- **Tamaño intermedio**: 1024
+- **Número de cabezas de atención**: 6
+
+
+## Dataset 📚
+
+El modelo fue entrenado usando el dataset [Cosmopedia-100k-pretrain](https://huggingface.co/datasets/abideen/Cosmopedia-100k-pretrain), que contiene una variedad de datos de texto.
+
+## Entrenamiento ⚙️
+
+El modelo fue entrenado con la siguiente configuración:
+
+- **Lote**: 16
+- **Tasa de aprendizaje**: 1.5e-4
+- **Épocas**: 2
+- **Acumulación de gradientes**: 2 pasos
+- **Decaimiento de pesos**: 0.01
+- **Precisión Mixta**: FP16
+
+### Monitoreo 📊
+
+El proceso de entrenamiento fue monitoreado usando **Weights & Biases**.
+
+## Uso del Modelo 💻
+
+Para usar este modelo, puedes cargarlo desde Hugging Face con el siguiente código:
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+from transformers.models.llama.modeling_llama import *
+import torch
+from torch import nn
+import torch.nn.functional as F
+import coloredlogs
+import logging
+
+from utils.utils import count_parameters
+
+coloredlogs.install(level='INFO', fmt='%(asctime)s - %(levelname)s - %(message)s', logger=logging.getLogger())
+logger = logging.getLogger(__name__)
+
+
+
+
+HF_TOKEN = "tuclaveaqui"
+#model = "ejbejaranos/Bitnet-Llama3-from8BM-now2B"
+model = "ejbejaranos/Bitnet-Nous-Llama3-225M" ## Working
+
+# Load a pretrained BitNet model
+tokenizer = AutoTokenizer.from_pretrained(model)
+
+model = AutoModelForCausalLM.from_pretrained(
+    model,
+    token=HF_TOKEN
+)
+
+
+def count_parameters(model):
+    # Calculate the number of parameters in billions
+    num_params = sum(p.numel() for p in model.parameters() if p.requires_grad) / 10**9
+    print(f"Model size: {num_params:.3f}B parameters")
+    return int(num_params)
+
+
+
+# Establece el pad_token_id
+model.config.pad_token_id = tokenizer.eos_token_id
+
+def activation_quant(x):
+    scale = 127.0 / x.abs().max(dim=-1, keepdim=True).values.clamp_(min=1e-5)
+    y = (x * scale).round().clamp_(-128, 127)
+    y = y / scale
+    return y
+
+def weight_quant(w):
+    scale = 1.0 / w.abs().mean().clamp_(min=1e-5)
+    u = (w * scale).round().clamp_(-1, 1)
+    u = u / scale
+    return u
+
+class BitLinear(nn.Linear):
+    def forward(self, x):
+        w = self.weight  # a weight tensor with shape [d, k]
+        x = x.to(w.device)
+        RMSNorm = LlamaRMSNorm(x.shape[-1]).to(w.device)
+        x_norm = RMSNorm(x)
+        x_quant = x_norm + (activation_quant(x_norm) - x_norm).detach()
+        w_quant = w + (weight_quant(w) - w).detach()
+        y = F.linear(x_quant, w_quant)
+        return y
+
+def convert_to_bitnet(model, copy_weights):
+    for name, module in model.named_modules():
+        if isinstance(module, LlamaSdpaAttention) or isinstance(module, LlamaMLP):
+            for child_name, child_module in module.named_children():
+                if isinstance(child_module, nn.Linear):
+                    bitlinear = BitLinear(child_module.in_features, child_module.out_features, child_module.bias is not None).to(device="cuda:0")
+                    if copy_weights:
+                        bitlinear.weight = child_module.weight
+                        if child_module.bias is not None:
+                            bitlinear.bias = child_module.bias
+                    setattr(module, child_name, bitlinear)
+        elif isinstance(module, LlamaDecoderLayer):
+            for child_name, child_module in module.named_children():
+                if isinstance(child_module, LlamaRMSNorm) and child_name == "input_layernorm":
+                    setattr(module, child_name, nn.Identity().to(device="cuda:0"))
+
+convert_to_bitnet(model, copy_weights=True)
+model.to(device="cuda:0")
+
+
+logger.info(f"🔢 Number of parameters in the model after extracting weights: {count_parameters(model)}")
+logger.info(f"📏 Reduced model structure:\n{model}")
+
+
+
+
+
+prompt = "What is Machine Learning?"
+inputs = tokenizer(prompt, return_tensors="pt", padding=True, truncation=True).to(model.device)
+inputs['attention_mask'] = inputs['input_ids'] != model.config.pad_token_id
+
+generate_ids = model.generate(inputs.input_ids, attention_mask=inputs['attention_mask'], max_length=250)
+decoded_output = tokenizer.batch_decode(generate_ids, skip_special_tokens=True, clean_up_tokenization_spaces=False)
+
+print(decoded_output[0])  # Print the generated response
+
+```