decoding

游雁

2024-06-13 5de8bfdcd8a617ac13c13478505401bbf4e57472

decoding

 funasr/models/llm_asr/model.py

@@ -21,6 +21,8 @@
from funasr.train_utils.device_funcs import to_device
import traceback

dtype_map = {"bf16": torch.bfloat16, "fp16": torch.float16, "fp32": torch.float32}


@tables.register("model_classes", "LLMASR")
class LLMASR(nn.Module):
@@ -449,6 +451,7 @@
            model.eval()
        self.llm = model
        llm_dim = model.get_input_embeddings().weight.shape[-1]
        self.llm_dtype = llm_conf.get("llm_dtype", "fp32")

        # adaptor
        adaptor_class = tables.adaptor_classes.get(audio_adaptor)
@@ -527,12 +530,15 @@
                    batch_idx, :min_len, :
                ]

        labels_ids[labels_ids == -1] = -100
        attention_mask[attention_mask < 0] = 0
        model_outputs = self.llm(
            inputs_embeds=inputs_embeds, attention_mask=attention_mask, labels=labels_ids
        )
        loss = model_outputs.loss
        with torch.cuda.amp.autocast(
            enabled=True if self.llm_dtype != "fp32" else False, dtype=dtype_map[self.llm_dtype]
        ):
            labels_ids[labels_ids == -1] = -100
            attention_mask[attention_mask < 0] = 0
            model_outputs = self.llm(
                inputs_embeds=inputs_embeds, attention_mask=attention_mask, labels=labels_ids
            )
            loss = model_outputs.loss

        stats = {}
        with torch.no_grad():
@@ -737,7 +743,6 @@
            llm_dtype = "fp16" if kwargs.get("fp16", False) else llm_dtype
            llm_dtype = "bf16" if kwargs.get("bf16", False) else llm_dtype

        dtype_map = {"bf16": torch.bfloat16, "fp16": torch.float16, "fp32": torch.float32}
        with torch.cuda.amp.autocast(
            enabled=True if llm_dtype != "fp32" else False, dtype=dtype_map[llm_dtype]
        ):