Update
[beaver.git] / beaver.py
index dca97cc..5ee468e 100755 (executable)
--- a/beaver.py
+++ b/beaver.py
@@ -66,6 +66,8 @@ parser.add_argument("--deterministic_synthesis", action="store_true", default=Fa
 
 parser.add_argument("--random_regression_order", action="store_true", default=False)
 
+parser.add_argument("--noncausal_prompt", action="store_true", default=False)
+
 parser.add_argument("--no_checkpoint", action="store_true", default=False)
 
 parser.add_argument("--overwrite_results", action="store_true", default=False)
@@ -131,10 +133,10 @@ for n in vars(args):
 ######################################################################
 
 
-def generation_order(x, fixed_len):
+def generation_order(x, fixed_len=0):
     if args.random_regression_order:
         order = torch.rand(x.size(), device=x.device)
-        order[:, :fixed_len] = torch.linspace(-2, -1, fixed_len, device=order.device)
+        order[:, :fixed_len] = torch.arange(-fixed_len, 0, device=x.device)
         order = order.sort(1).indices
     else:
         order = (
@@ -143,12 +145,11 @@ def generation_order(x, fixed_len):
     return order
 
 
-def reorder(x, order, back=False):  # x is NxTxD1x...xDk, order is NxT'
+def reorder(x, order, reverse=False):  # x is NxTxD1x...xDk, order is NxT'
     u = x.reshape(x.size()[:2] + (-1,))
     order = order.unsqueeze(-1).expand(-1, -1, u.size(-1))
-    if back:
-        v = u.new(u.size())
-        v.scatter_(1, order, u)
+    if reverse:
+        v = u.new(u.size()).scatter_(1, order, u)
     else:
         v = u.gather(1, order)
     v = v.reshape(v.size()[:2] + x.size()[2:])
@@ -160,6 +161,12 @@ def shuffle(x, fixed_len):
     return reorder(x, order), order
 
 
+def eval_mygpt(model, input, mode="standard", fixed_len=0):
+    x, order = shuffle(input, fixed_len)
+    x = model(mygpt.BracketedSequence(x), mode=mode, order=order).x
+    return reorder(x, order, reverse=True)
+
+
 ######################################################################
 
 # ar_mask is a Boolean matrix of same shape as input, with 1s on the
@@ -167,7 +174,9 @@ def shuffle(x, fixed_len):
 
 
 def masked_inplace_autoregression(model, batch_size, input, ar_mask, order=None):
-    for input, ar_mask in zip(input.split(batch_size), ar_mask.split(batch_size)):
+    for input, ar_mask, order in zip(
+        input.split(batch_size), ar_mask.split(batch_size), order.split(batch_size)
+    ):
         i = (ar_mask.sum(0) > 0).nonzero()
         if i.min() > 0:
             # Needed to initialize the model's cache
@@ -186,7 +195,7 @@ def masked_inplace_autoregression(model, batch_size, input, ar_mask, order=None)
 ######################################################################
 
 
-def compute_perplexity(model, fixed_len, split="train"):
+def compute_perplexity(model, task, fixed_len, split="train"):
     with torch.autograd.no_grad():
         t = model.training
         model.eval()
@@ -195,9 +204,7 @@ def compute_perplexity(model, fixed_len, split="train"):
 
         for input in task.batches(split=split):
             input = input.to(device)
-            x, order = shuffle(input, fixed_len)
-            x = model(mygpt.BracketedSequence(x), order=order).x
-            output = reorder(x, order, back=True)
+            output = eval_mygpt(model, input, fixed_len=fixed_len)
             loss = F.cross_entropy(output.transpose(1, 2), input)
             acc_loss += loss.item() * input.size(0)
             nb_samples += input.size(0)
@@ -261,9 +268,9 @@ def oneshot(gpt, task):
 
         acc_train_loss, nb_train_samples = 0, 0
         for mazes, policies in task.policy_batches(split="train"):
-            x, order = shuffle(mazes, task.height * task.width)
-            x = gpt(mygpt.BracketedSequence(x), mode=args.oneshot_input, order=order).x
-            output_gpt = reorder(x, order, back=True)
+            output_gpt = eval_mygpt(
+                gpt, mazes, mode=args.oneshot_input, fixed_len=task.height * task.width
+            )
             output = model(output_gpt)
 
             loss = compute_loss(mazes, output, policies, task.height, task.width)
@@ -276,9 +283,9 @@ def oneshot(gpt, task):
 
         acc_test_loss, nb_test_samples = 0, 0
         for mazes, policies in task.policy_batches(split="test"):
-            x, order = shuffle(mazes, task.height * task.width)
-            x = gpt(mygpt.BracketedSequence(x), mode=args.oneshot_input, order=order).x
-            output_gpt = reorder(x, order, back=True)
+            output_gpt = eval_mygpt(
+                gpt, mazes, mode=args.oneshot_input, fixed_len=task.height * task.width
+            )
             output = model(output_gpt)
             loss = compute_loss(mazes, output, policies, task.height, task.width)
             acc_test_loss += loss.item() * mazes.size(0)
@@ -291,9 +298,9 @@ def oneshot(gpt, task):
         # -------------------
         mazes = task.test_input[:32, : task.height * task.width]
         policies = task.test_policies[:32]
-        x, order = shuffle(mazes, task.height * task.width)
-        x = gpt(mygpt.BracketedSequence(x), mode=args.oneshot_input, order=order).x
-        output_gpt = reorder(x, order, back=True)
+        output_gpt = eval_mygpt(
+            gpt, mazes, mode=args.oneshot_input, fixed_len=task.height * task.width
+        )
         output = model(output_gpt)
         if args.oneshot_output == "policy":
             targets = policies.permute(0, 2, 1)
@@ -312,15 +319,17 @@ def oneshot(gpt, task):
         scores = scores.reshape(-1, task.height, task.width)
         mazes = mazes.reshape(-1, task.height, task.width)
         targets = targets.reshape(-1, task.height, task.width)
+        filename = (
+            f"oneshot_{args.oneshot_input}_{args.oneshot_output}_{n_epoch:04d}.png"
+        )
         maze.save_image(
-            os.path.join(
-                args.result_dir,
-                f"oneshot_{args.oneshot_input}_{args.oneshot_output}_{n_epoch:04d}.png",
-            ),
+            os.path.join(args.result_dir, filename),
             mazes=mazes,
             score_paths=scores,
             score_truth=targets,
         )
+        log_string(f"wrote {filename}")
+
         # -------------------
 
     gpt.train(t)
@@ -436,7 +445,7 @@ class TaskMaze(Task):
             masked_inplace_autoregression(
                 model, self.batch_size, x, ar_mask, order=order
             )
-            result = reorder(x, order, back=True)
+            result = reorder(x, order, reverse=True)
             mazes, paths = self.seq2map(result)
             nb_correct += maze.path_correctness(mazes, paths).long().sum()
             nb_total += mazes.size(0)
@@ -467,17 +476,23 @@ class TaskMaze(Task):
             ar_mask = result.new_zeros(result.size())
             ar_mask[:, self.height * self.width :] = 1
             result *= 1 - ar_mask
-            masked_inplace_autoregression(model, self.batch_size, result, ar_mask)
+            x, order = shuffle(result, self.height * self.width)
+            masked_inplace_autoregression(
+                model, self.batch_size, x, ar_mask, order=order
+            )
+            result = reorder(x, order, reverse=True)
 
             mazes, paths = self.seq2map(input)
             _, predicted_paths = self.seq2map(result)
+            filename = f"result_{n_epoch:04d}.png"
             maze.save_image(
-                os.path.join(args.result_dir, f"result_{n_epoch:04d}.png"),
+                os.path.join(args.result_dir, filename),
                 mazes=mazes,
                 target_paths=paths,
                 predicted_paths=predicted_paths,
                 path_correct=maze.path_correctness(mazes, predicted_paths),
             )
+            log_string(f"wrote {filename}")
 
             model.train(t)
 
@@ -504,6 +519,17 @@ log_string(f"vocabulary_size {vocabulary_size}")
 
 ##############################
 
+amm_generator = None
+
+if args.noncausal_prompt:
+    amm_generator = lambda d: torch.logical_and(
+        torch.arange(d)[None, None, :, None] < torch.arange(d)[None, None, None, :],
+        torch.logical_or(
+            torch.arange(d)[None, None, :, None] >= d // 2,
+            torch.arange(d)[None, None, None, :] >= d // 2,
+        ),
+    )
+
 model = mygpt.MyGPT(
     vocabulary_size=vocabulary_size,
     dim_model=args.dim_model,
@@ -513,6 +539,7 @@ model = mygpt.MyGPT(
     nb_blocks=args.nb_blocks,
     causal=True,
     dropout=args.dropout,
+    amm_generator=amm_generator,
 )
 
 model.to(device)
@@ -584,10 +611,10 @@ log_string(f"learning_rate_schedule {learning_rate_schedule}")
 if nb_epochs_finished >= args.nb_epochs:
     n_epoch = nb_epochs_finished
     train_perplexity = compute_perplexity(
-        model, fixed_len=task.height * task.width, split="train"
+        model, task, fixed_len=task.height * task.width, split="train"
     )
     test_perplexity = compute_perplexity(
-        model, fixed_len=task.height * task.width, split="test"
+        model, task, fixed_len=task.height * task.width, split="test"
     )
 
     log_string(
@@ -618,9 +645,9 @@ for n_epoch in range(nb_epochs_finished, args.nb_epochs):
 
     for input in task.batches(split="train"):
         input = input.to(device)
-        x, order = shuffle(input, task.height * task.width)
-        x = model(mygpt.BracketedSequence(x), order=order).x
-        output = reorder(x, order, back=True)
+        output = eval_mygpt(
+            model, input, mode=args.oneshot_input, fixed_len=task.height * task.width
+        )
         loss = F.cross_entropy(output.transpose(1, 2), input)
         acc_train_loss += loss.item() * input.size(0)
         nb_train_samples += input.size(0)
@@ -631,7 +658,7 @@ for n_epoch in range(nb_epochs_finished, args.nb_epochs):
 
     train_perplexity = math.exp(min(100, acc_train_loss / nb_train_samples))
     test_perplexity = compute_perplexity(
-        model, fixed_len=task.height * task.width, split="test"
+        model, task, fixed_len=task.height * task.width, split="test"
     )
 
     log_string(