ExecuTorch

ExecuTorch 是一个端到端的解决方案，用于在移动和边缘设备（包括可穿戴设备、嵌入式设备和微控制器）上启用设备端推理功能。它是 PyTorch 生态系统的一部分，支持 PyTorch 模型的部署，并专注于可移植性、生产力和性能。

ExecuTorch 引入了定义明确的入口点，以执行特定于模型、设备和/或用例的优化，例如后端委托、用户定义的编译器转换、内存规划等。使用 ExecuTorch 准备 PyTorch 模型以在边缘设备上执行的第一步是导出模型。这是通过使用一个名为 torch.export 的 PyTorch API 实现的。

ExecuTorch 集成

我们正在开发一个集成点，以确保 🤗 Transformers 可以使用 torch.export 进行导出。此集成的目标不仅是实现导出，还要确保导出的工件可以被进一步降级和优化，以便在 ExecuTorch 中高效运行，尤其适用于移动和边缘用例。

class transformers.TorchExportableModuleWithStaticCache

< 来源 >

( model: PreTrainedModel )

一个配方模块，旨在使 PreTrainedModel 能够通过 torch.export 导出，特别是将仅解码器（decoder-only）的语言模型导出到 StaticCache。此模块确保导出的模型与在 ExecuTorch 中进一步降级和执行兼容。

注意：此类专门设计用于支持使用 torch.export 的导出过程，以确保模型可以被进一步降级并在 ExecuTorch 中高效运行。

forward

< 来源 >

( input_ids: Tensor cache_position: Tensor ) → torch.Tensor

参数

input_ids (torch.Tensor) — 表示模块当前输入词元 ID 的张量。
cache_position (torch.Tensor) — 表示缓存中当前输入位置的张量。

torch.Tensor

模型输出的 logits。

模块的前向传递，与 ExecuTorch 运行时兼容。

此 forward 适配器主要有两个目的：

使模型与 torch.export 兼容：适配器将不支持的对象（例如 Cache）从计算图的输入和输出中隐藏，从而使模型能够使用 torch.export 导出而不会遇到问题。
确保与 ExecuTorch 运行时兼容：适配器将模型的前向签名与 executorch/extension/llm/runner 中的签名进行匹配，确保导出的模型可以在 ExecuTorch 中即开即用。

transformers.convert_and_export_with_cache

< 来源 >

( model: PreTrainedModel example_input_ids: typing.Optional[torch.Tensor] = None example_cache_position: typing.Optional[torch.Tensor] = None dynamic_shapes: typing.Optional[dict] = None strict: typing.Optional[bool] = None ) → 导出的程序 (torch.export.ExportedProgram)

参数

model (PreTrainedModel) — 要导出的预训练模型。
example_input_ids (Optional[torch.Tensor]) — torch.export 使用的示例输入词元 ID。
example_cache_position (Optional[torch.Tensor]) — torch.export 使用的示例当前缓存位置。
dynamic_shapes(Optional[dict]) — torch.export 使用的动态形状。
strict(Optional[bool]) — 指示 torch.export 使用 torchdynamo 的标志。

导出的程序 (torch.export.ExportedProgram)

通过 torch.export 生成的导出程序。

将 PreTrainedModel 转换为可导出模块，并使用 torch.export 进行导出，确保导出的模型与 ExecuTorch 兼容。

< > 在 GitHub 上更新