Update README.md

README.md

@@ -27,8 +27,6 @@ You can use the model directly with a pipeline for text generation:
     [{'generated_text': '这是很久之前的事情了 。 我 现 在 想 起 来 就 让 自 己 很 伤 心 ， 很 失 望 。 我 现 在 想 到 ， 我 觉 得 大 多 数 人 的 生 活 比 我 的 生 命 还 要 重 要 ， 对 一 些 事 情 的 看 法 ， 对 一 些 人 的 看 法 ， 都 是 在 发 泄 。 但 是 ， 我 们 的 生 活 是 需 要 一 个 信 用 体 系 的 。 我 不 知'}]
 ```
 
-
-
 ## Training data
 
 [CLUECorpusSmall](https://github.com/CLUEbenchmark/CLUECorpus2020/) is used as training data. 
@@ -43,7 +41,7 @@ Stage1:
 python3 preprocess.py --corpus_path corpora/cluecorpussmall.txt \
                       --vocab_path models/google_zh_vocab.txt \
                       --dataset_path cluecorpussmall_lm_seq128_dataset.pt \
-                      --seq_length 128 --processes_num 32 --target lm 
+                      --seq_length 128 --processes_num 32 --data_processor lm 
 ```
 
 ```
@@ -53,10 +51,7 @@ python3 pretrain.py --dataset_path cluecorpussmall_lm_seq128_dataset.pt \
                     --output_model_path models/cluecorpussmall_gpt2_distil_seq128_model.bin \
                     --world_size 8 --gpu_ranks 0 1 2 3 4 5 6 7 \
                     --total_steps 1000000 --save_checkpoint_steps 100000 --report_steps 50000 \
-                    --learning_rate 1e-4 --batch_size 64 \
-                    --embedding word_pos --remove_embedding_layernorm \
-                    --encoder transformer --mask causal --layernorm_positioning pre \
-                    --target lm --tie_weights 
+                    --learning_rate 1e-4 --batch_size 64
 ```
 
 Stage2:
@@ -65,7 +60,7 @@ Stage2:
 python3 preprocess.py --corpus_path corpora/cluecorpussmall.txt \
                       --vocab_path models/google_zh_vocab.txt \
                       --dataset_path cluecorpussmall_lm_seq1024_dataset.pt \
-                      --seq_length 1024 --processes_num 32 --target lm 
+                      --seq_length 1024 --processes_num 32 --data_processor lm 
 ```
 
 ```
@@ -76,10 +71,7 @@ python3 pretrain.py --dataset_path cluecorpussmall_lm_seq1024_dataset.pt \
                     --output_model_path models/cluecorpussmall_gpt2_distil_seq1024_model.bin \
                     --world_size 8 --gpu_ranks 0 1 2 3 4 5 6 7 \
                     --total_steps 250000 --save_checkpoint_steps 50000 --report_steps 10000 \
-                    --learning_rate 5e-5 --batch_size 16 \
-                    --embedding word_pos --remove_embedding_layernorm \
-                    --encoder transformer --mask causal --layernorm_positioning pre \
-                    --target lm --tie_weights
+                    --learning_rate 5e-5 --batch_size 16
 ```
 
 Finally, we convert the pre-trained model into Huggingface's format: