在 Hugging Face 使用 PEFT

🤗 Parameter-Efficient Fine-Tuning (PEFT) 是一个用于高效地将预训练语言模型适配到各种下游应用的库，而无需微调模型的所有参数。

在 Hub 上探索 PEFT

您可以通过在模型页面的左侧进行筛选来找到 PEFT 模型。

安装

要开始使用，您可以查看 PEFT 文档中的快速入门。要安装，请按照 PEFT 安装指南进行操作。您也可以使用以下通过 pip 进行一键安装的方法

$ pip install peft

使用现有模型

所有 PEFT 模型都可以从 Hub 加载。要使用 PEFT 模型，您还需要加载已微调的基础模型，如下所示。每个微调模型在其模型卡片中都有基础模型。

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel, PeftConfig

base_model = "mistralai/Mistral-7B-v0.1"
adapter_model = "dfurman/Mistral-7B-Instruct-v0.2"

model = AutoModelForCausalLM.from_pretrained(base_model)
model = PeftModel.from_pretrained(model, adapter_model)
tokenizer = AutoTokenizer.from_pretrained(base_model)

model = model.to("cuda")
model.eval()

加载后，您可以将输入传递给分词器以准备它们，并在常规 transformers 模式下调用 model.generate()。

inputs = tokenizer("Tell me the recipe for chocolate chip cookie", return_tensors="pt")

with torch.no_grad():
    outputs = model.generate(input_ids=inputs["input_ids"].to("cuda"), max_new_tokens=10)
    print(tokenizer.batch_decode(outputs.detach().cpu().numpy(), skip_special_tokens=True)[0])

它输出以下内容

Tell me the recipe for chocolate chip cookie dough.

1. Preheat oven to 375 degrees F (190 degrees C).
2. In a large bowl, cream together 1/2 cup (1 stick) of butter or margarine, 1/2 cup granulated sugar, and 1/2 cup packed brown sugar.
3. Beat in 1 egg and 1 teaspoon vanilla extract.
4. Mix in 1 1/4 cups all-purpose flour.
5. Stir in 1/2 teaspoon baking soda and 1/2 teaspoon salt.
6. Fold in 3/4 cup semisweet chocolate chips.
7. Drop by

如果您想加载特定的 PEFT 模型，您可以单击模型卡片中的 Use in PEFT，您将获得一个可用的代码片段！

其他资源

PEFT 仓库
PEFT 文档
PEFT 模型

< > 在 GitHub 上更新