first version

run.py

@@ -0,0 +1,42 @@
+import util
+import TSA.abstruct as abstruct
+import classification
+
+# input:file/text,topic_num,max_length,output_choice
+# output:file/text/topic_sentence
+
+
+# file_process:
+# in util
+# read file code
+# file to json_text
+
+# convert:
+# in util
+# convert code
+# json_text to text
+
+# process:
+# in util
+# text process code
+# del stop seg
+
+text = "我今天的调研内容是大模型训练的关键技术与挑战。在现代机器学习任务中，大模型训练已成为解决复杂问题的重要手段。在本次报告中，我将介绍分布式并行加速、算法模型架构、内存和计算优化以及集群架构等关键技术。首先，分布式并行加速策略，包括数据并行、模型并行、流水线并行和张量并行等四种方式。这些策略帮助我们将训练数据和模型分布到多个设备上，以加速大模型训练过程。接下来，我们将介绍算法模型架构。Transformer网络模型是一种应用广泛的神经网络模型，基于自注意力机制。它在自然语言处理和计算机视觉任务中取得了显著的成果。此外，适用于万亿级稀疏场景的MoE模型，它通过混合专家模型来处理稀疏数据，具有良好的适应性。为了在有限的计算资源下实现大模型训练，我们需要采用内存和计算优化技术。在内存优化方面，我们激活重计算、内存高效优化器和模型压缩等技术。这些技术可以减少内存占用、降低内存消耗，从而提高训练效率。在计算优化方面，混合精度训练、算子融合和梯度累加等技术，以减少计算资源需求，进一步提升训练速度。最后，我们将讨论大模型训练的集群架构。选择合适的集群架构是实现大模型的分布式训练的关键。我们将介绍参数服务器模式（PS）和集合通讯模式（CC）两种流行的集群架构。PS架构通过Server和Worker之间的通信来更新模型参数，而CC模式中每个节点都是工作节点，负责模型训练并掌握当前最新的全局梯度信息。这些集群架构在大模型训练中起到了关键作用，帮助实现分布式训练并提高训练效率。综上所述，大模型训练需要综合考虑分布式并行加速、算法模型架构、内存和计算优化以及集群架构等多个方面。通过合理地优化这些方面，我们可以实现更高效的大模型训练，解决各种规模的机器学习问题。大模型训练的发展为我们提供了更多创新和突破的机会。大数据技术也为实现人工智能的进步和应用做出重要贡献。谢谢大家！"
+topic_num = 5
+max_length = 32
+
+article = util.seg(text)
+print(article)
+
+sentences = [util.clean_text(sentence) for sentence in article]
+central_sentences = abstruct.abstruct_main(sentences, topic_num)
+print(central_sentences)
+groups = classification.classify_by_topic(article, central_sentences)
+print(groups)
+
+groups = util.article_to_group(groups, central_sentences)
+ans = util.generation(groups, max_length)
+# ans:
+# {(main_sentence,(Ai_abstruct,paragraph))}
+for i in ans.items():
+    print(i)