DBRX
概述
DBRX 是一款基于 Transformer 的解码器仅型大型语言模型 (LLM)，其训练使用了下一个词元预测方法。它采用了一种 *细粒度* 的专家混合 (MoE) 架构，拥有 1320 亿个总参数，其中任何输入激活 360 亿个参数。它是在 12 万亿个文本和代码数据词元上进行预训练的。与其他开放的 MoE 模型（如 Mixtral-8x7B 和 Grok-1）相比，DBRX 具有细粒度，这意味着它使用了更多数量的较小专家。DBRX 拥有 16 个专家并选择 4 个，而 Mixtral-8x7B 和 Grok-1 拥有 8 个专家并选择 2 个。这提供了 65 倍更多可能的专家组合，我们发现这提高了模型质量。DBRX 使用旋转位置编码 (RoPE)、门控线性单元 (GLU) 和分组查询注意力 (GQA)。它是一个基于 BPE 的模型，并使用 GPT-4 分词器，如 tiktoken 存储库中所述。我们根据详尽的评估和扩展实验做出了这些选择。
DBRX 在精心策划的 12T 个 Token 的数据上进行了预训练，最大上下文长度为 32K 个 Token。我们估计，按每个 Token 算，这些数据至少比我们用于预训练 MPT 模型系列的数据好 2 倍。这个新的数据集是使用 Databricks 的完整工具套件开发的，包括用于数据处理的 Apache Spark™ 和 Databricks Notebook，以及用于数据管理和治理的 Unity Catalog。我们在预训练中使用了课程学习，在训练期间以我们发现能够大幅提高模型质量的方式改变数据组合。
有关 DBRX Instruct 和 DBRX Base 的更多详细信息，请参阅我们的技术博客文章。
该模型由eitan-turok 和abhi-db 贡献。原始代码可以在这里找到这里，但可能不是最新的。
使用示例
可以使用 generate() 方法使用 DBRX 生成文本。您可以使用标准注意力实现、flash-attention 和 PyTorch 标量点积注意力进行生成。最后两种注意力实现提高了速度。
from transformers import DbrxForCausalLM, AutoTokenizer
import torch
tokenizer = AutoTokenizer.from_pretrained("databricks/dbrx-instruct", token="YOUR_HF_TOKEN")
model = DbrxForCausalLM.from_pretrained(
"databricks/dbrx-instruct",
device_map="auto",
torch_dtype=torch.bfloat16,
token="YOUR_HF_TOKEN",
)
input_text = "What does it take to build a great LLM?"
messages = [{"role": "user", "content": input_text}]
input_ids = tokenizer.apply_chat_template(messages, return_dict=True, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda")
outputs = model.generate(**input_ids, max_new_tokens=200)
print(tokenizer.decode(outputs[0]))如果您安装了 flash-attention（pip install flash-attn），则可以更快地生成文本。（可以在这里找到 HuggingFace 的 flash-attention 文档。）
from transformers import DbrxForCausalLM, AutoTokenizer
import torch
tokenizer = AutoTokenizer.from_pretrained("databricks/dbrx-instruct", token="YOUR_HF_TOKEN")
model = DbrxForCausalLM.from_pretrained(
"databricks/dbrx-instruct",
device_map="auto",
torch_dtype=torch.bfloat16,
token="YOUR_HF_TOKEN",
attn_implementation="flash_attention_2",
)
input_text = "What does it take to build a great LLM?"
messages = [{"role": "user", "content": input_text}]
input_ids = tokenizer.apply_chat_template(messages, return_dict=True, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda")
outputs = model.generate(**input_ids, max_new_tokens=200)
print(tokenizer.decode(outputs[0]))您还可以使用 PyTorch 标量点积注意力更快地生成文本。（可以在这里找到 HuggingFace 的标量点积注意力文档。）
from transformers import DbrxForCausalLM, AutoTokenizer
import torch
tokenizer = AutoTokenizer.from_pretrained("databricks/dbrx-instruct", token="YOUR_HF_TOKEN")
model = DbrxForCausalLM.from_pretrained(
"databricks/dbrx-instruct",
device_map="auto",
torch_dtype=torch.bfloat16,
token="YOUR_HF_TOKEN",
attn_implementation="sdpa",
)
input_text = "What does it take to build a great LLM?"
messages = [{"role": "user", "content": input_text}]
input_ids = tokenizer.apply_chat_template(messages, return_dict=True, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda")
outputs = model.generate(**input_ids, max_new_tokens=200)
print(tokenizer.decode(outputs[0]))DbrxConfig
类 transformers.DbrxConfig
< 源代码 >( d_model: int = 2048 n_heads: int = 16 n_layers: int = 24 max_seq_len: int = 2048 vocab_size: int = 32000 resid_pdrop: float = 0.0 emb_pdrop: float = 0.0 attn_config: Optional = None ffn_config: Optional = None use_cache: bool = True initializer_range: float = 0.02 output_router_logits: bool = False **kwargs: Any )
参数
- d_model (
int, 可选，默认为 2048) — 嵌入和隐藏状态的维度。 - n_heads (
int, 可选，默认为 16) — Transformer 编码器中每个注意力层的注意力头的数量。 - n_layers (
int, 可选，默认为 24) — Transformer 编码器中隐藏层的数量。 - max_seq_len (
int, 可选，默认为 2048) — 模型的最大序列长度。 - vocab_size (
int, 可选，默认为 32000) — Dbrx 模型的词汇量大小。定义了调用DbrxModel时可以由传递的inputs_ids表示的不同 Token 的最大数量。 - resid_pdrop (
float，可选，默认为 0.0) — 在与残差合并之前应用于注意力输出的 dropout 概率。 - emb_pdrop (
float，可选，默认为 0.0) — 嵌入层的 dropout 概率。 - attn_config (
dict，可选) — 用于配置模型注意力模块的字典。 - ffn_config (
dict，可选) — 用于配置模型 FFN 模块的字典。 - use_cache (
bool，可选，默认为True) — 模型是否应该返回最后的键/值注意力（并非所有模型都使用）。 - initializer_range (
float，可选，默认为 0.02) — 初始化所有权重矩阵的 truncated_normal_initializer 的标准差。 - output_router_logits (
bool，可选，默认为False) — 模型是否应该返回路由 logits。启用此选项还将允许模型输出辅助损失。有关更多详细信息，请参阅 此处。
这是用于存储 DbrxModel 配置的配置类。它用于根据指定的参数实例化 Dbrx 模型，定义模型架构。使用默认值实例化配置将产生与 databricks/dbrx-instruct 架构不同的配置。
配置对象继承自 PretrainedConfig，可用于控制模型输出。阅读 PretrainedConfig 的文档以获取更多信息。
示例
>>> from transformers import DbrxConfig, DbrxModel
>>> # Initializing a Dbrx configuration
>>> configuration = DbrxConfig(n_layers=2, d_model=256, n_heads=8, vocab_size=128)
>>> # Initializing a model (with random weights) from the configuration
>>> model = DbrxModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.configDbrxModel
类 transformers.DbrxModel
< 源代码 >( config: DbrxConfig )
参数
- config (DbrxConfig) — 模型配置类，包含模型的所有参数。使用配置文件进行初始化不会加载与模型关联的权重，只会加载配置。查看 from_pretrained() 方法以加载模型权重。
DbrxForCausalLM
类 transformers.DbrxForCausalLM
< 源代码 >( config: DbrxConfig )
参数
- config (DbrxConfig) — 模型配置类，包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重，只会加载配置。查看 from_pretrained() 方法以加载模型权重。
用于因果语言建模的 DBRX 模型转换器。此模型继承自 PreTrainedModel。查看超类文档以了解库为其所有模型实现的通用方法（例如下载或保存、调整输入嵌入的大小、修剪 head 等）。
此模型也是 PyTorch 的 torch.nn.Module 子类。将其用作常规 PyTorch 模块，并参考 PyTorch 文档以了解与一般用法和行为相关的所有事项。
前向传播
< 源代码 >( input_ids: 可选 = None attention_mask: 可选 = None position_ids: 可选 = None past_key_values: 可选 = None inputs_embeds: 可选 = None labels: 可选 = None use_cache: 可选 = None output_attentions: 可选 = None output_hidden_states: 可选 = None output_router_logits: 可选 = None return_dict: 可选 = None cache_position: 可选 = None num_logits_to_keep: int = 0 ) → transformers.modeling_outputs.MoeCausalLMOutputWithPast 或 tuple(torch.FloatTensor)
参数
返回
transformers.modeling_outputs.MoeCausalLMOutputWithPast 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.MoeCausalLMOutputWithPast 或一个 torch.FloatTensor 元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含根据配置（DbrxConfig）和输入而变化的各种元素。
-
loss (
torch.FloatTensor形状为(1,)，可选，在提供labels时返回) — 语言建模损失（用于下一个标记预测）。 -
logits (
torch.FloatTensor形状为(batch_size, sequence_length, config.vocab_size)) — 语言建模头的预测分数（SoftMax 之前每个词汇标记的分数）。 -
aux_loss (
torch.FloatTensor，可选，在提供labels时返回) — 稀疏模块的辅助损失。 -
router_logits (
tuple(torch.FloatTensor)，可选，在传递output_router_probs=True和config.add_router_probs=True或当config.output_router_probs=True时返回) —torch.FloatTensor元组（每个层一个），形状为(batch_size, sequence_length, num_experts)。由 MoE 路由器计算的原始路由器 logits（softmax 后），这些项用于计算专家混合模型的辅助损失。
-
past_key_values (
tuple(tuple(torch.FloatTensor))，可选，在传递use_cache=True或当config.use_cache=True时返回) — 长度为config.n_layers的tuple(torch.FloatTensor)元组，每个元组包含 2 个形状为(batch_size, num_heads, sequence_length, embed_size_per_head)的张量。包含预计算的隐藏状态（自注意力块中的键和值），可用于（参见
past_key_values输入）加速顺序解码。 -
hidden_states (
tuple(torch.FloatTensor)，可选，在传递output_hidden_states=True或当config.output_hidden_states=True时返回) —torch.FloatTensor元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出），形状为(batch_size, sequence_length, hidden_size)。模型在每一层输出处的隐藏状态以及可选的初始嵌入输出。
-
attentions (
tuple(torch.FloatTensor)，可选，在传递output_attentions=True或当config.output_attentions=True时返回) —torch.FloatTensor元组（每个层一个），形状为(batch_size, num_heads, sequence_length, sequence_length)。注意力 softmax 之后的注意力权重，用于计算自注意力头中的加权平均值。
该 DbrxForCausalLM 正向方法覆盖了 __call__ 特殊方法。
虽然正向传递的配方需要在此函数中定义，但之后应该调用Module实例而不是此函数，因为前者负责运行预处理和后处理步骤，而后者则静默地忽略它们。
因果语言建模的正向函数。
示例
>> from transformers import AutoTokenizer, DbrxForCausalLM
>> model = DbrxForCausalLM.from_pretrained("databricks/dbrx-instruct")
>> tokenizer = AutoTokenizer.from_pretrained("databricks/dbrx-instruct")
>> prompt = "Hey, are you conscious? Can you talk to me?"
>> inputs = tokenizer(prompt, return_tensors="pt")
>> # Generate
>> generate_ids = model.generate(inputs.input_ids, max_length=30)
>> tokenizer.batch_decode(generate_ids, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]
"Hey, are you conscious? Can you talk to me?\nI'm not conscious, but I can talk to you."