推理阶段。在后台，1. DeepSpeed会把运行高性能kernel(kernel injection)，加快推理速度，这些对用户是透明的； 2. DeepSpeed会根据mp_size来将模型放置在多个GPU卡上，自动模型并行；

import os
import torch
import transformers
import deepspeed
local_rank = int(os.getenv("LOCAL_RANK", "0"))
world_size = int(os.getenv("WORLD_SIZE", "1"))
# create the model pipeline
pipe = transformers.pipeline(task="text2text-generation", model="google/t5-v1_1-small", device=local_rank)
# Initialize the DeepSpeed-Inference engine
pipe.model = deepspeed.init_inference(pipe.model,mp_size=world_size,dtype=torch.float
)
output = pipe('Input String')

Fine-tune BERT:

使用QA数据集SQuAD: (文章，question, answer（答案就在原文中；答对任何一个应该算对））

Forward推理代码：

loss = model(input_ids, segment_ids, input_mask, start_positions, end_positions)

1. input_ids:token ids. 文本输入经过Tokenize后的id。
2. segment_ids: 0表示question，1表示context.
3. input_mask: 实际句子token or padding token。
4. start_positions: answer在原文中的起始pos。（推理的时候不用给出）
5. end_positions: answer在原文中的终止pos。   （推理的时候不用给出）