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 曾 经 把 这 个 当 做 一 种 思 想 的 传 承 ， 或 者 是 人 生 的 回 顾 ， 当 时 我 们 是 一 个 刚 刚 加 入 的 时 候 就 想 要 加 入 他 们 ， 于 是 我 们 每 天 看 到 他 们 ， 加 上 他 们 的 各 种 不 可 思 议 的 行 为 ， 直 到 现 在 ， 我 们 的 人 生 才 完 整 起 来 。'}]
 ```
 
-
-
 ## 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_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:
@@ -65,21 +60,18 @@ 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 
 ```
 
 ```
 python3 pretrain.py --dataset_path cluecorpussmall_lm_seq1024_dataset.pt \
-                    --pretrained_model_path models/cluecorpussmall_gpt2_seq128_model.bin-1000000 \
                     --vocab_path models/google_zh_vocab.txt \
+                    --pretrained_model_path models/cluecorpussmall_gpt2_seq128_model.bin-1000000 \
                     --config_path models/gpt2/config.json \
                     --output_model_path models/cluecorpussmall_gpt2_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: