Transformers 文档

FalconH1

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

FalconH1

概述

FalconH1 模型由 TII 预训练团队开发。一篇涵盖架构、预训练动态、实验结果和结论的综合研究论文即将发表。您可以在此网站上阅读有关该系列的更多信息。

贡献者

此模型由 DhiyaEddineybelkadaJingweiZuoIlyasChahedMaksimVelikanov 贡献。原始代码可以在这里找到。

FalconH1Config

模型 深度 维度 注意力头 KV Mamba 头 d_head d_state 上下文长度
H1 0.5B 36 1024 8 2 24 64 / 64 128 4K, 16K-SFT
H1 1.5B 24 2048 8 2 48 128 / 64 256 128K
H1 1.5B-d 66 1280 6 2 24 128 / 64 256 128K
H1 3B 32 2560 10 2 32 128 / 128 256 128K
H1 7B 44 3072 12 2 24 128 / 128 256 256K
H1 34B 72 5120 20 4 32 128 / 128 256 256K

class transformers.FalconH1Config

< >

( vocab_size = 128000 tie_word_embeddings = False hidden_size = 4096 intermediate_size = 14336 num_hidden_layers = 32 num_attention_heads = 32 num_key_value_heads = 8 hidden_act = 'silu' initializer_range = 0.02 rms_norm_eps = 1e-05 use_cache = True num_logits_to_keep = 1 pad_token_id = 0 bos_token_id = 1 eos_token_id = 2 max_position_embeddings = 8192 attention_dropout = 0.0 mamba_d_ssm = 1024 mamba_n_heads = 128 mamba_d_head = 'auto' mamba_n_groups = 1 mamba_d_state = 256 mamba_d_conv = 4 mamba_expand = 2 mamba_chunk_size = 256 mamba_conv_bias = True mamba_proj_bias = False mamba_norm_before_gate = True mamba_rms_norm = False projectors_bias = False rope_theta = 100000.0 rope_scaling = None lm_head_multiplier = 1.0 embedding_multiplier = 1.0 mlp_multipliers = None key_multiplier = None attention_out_multiplier = None attention_in_multiplier = None ssm_multipliers = None ssm_in_multiplier = None ssm_out_multiplier = None **kwargs )

参数

  • vocab_size (int可选,默认为 128000) — FalconH1 模型的词汇表大小。定义了在调用 FalconH1Model 时传递的 inputs_ids 可以表示的不同标记的数量。
  • tie_word_embeddings (bool可选,默认为 False) — 是否应将模型的输入和输出词嵌入绑定。请注意,这仅在模型具有输出词嵌入层时才相关。
  • hidden_size (int可选,默认为 4096) — 隐藏表示的维度。
  • intermediate_size (int可选,默认为 14336) — MLP 表示的维度。
  • num_hidden_layers (int可选,默认为 32) — Transformer 编码器中的隐藏层数量。
  • num_attention_heads (int可选,默认为 32) — Transformer 编码器中每个注意力层的注意力头数量。
  • num_key_value_heads (int可选,默认为 8) — 这是用于实现分组查询注意力 (Grouped Query Attention) 的键值头 (key_value heads) 的数量。如果 num_key_value_heads=num_attention_heads,模型将使用多头注意力 (MHA);如果 num_key_value_heads=1,模型将使用多查询注意力 (MQA);否则将使用 GQA。将多头检查点转换为 GQA 检查点时,每个组的键和值头应通过对该组内所有原始头进行均值池化来构建。更多详情,请查看这篇论文。如果未指定,将默认为 8
  • hidden_act (strfunction可选,默认为 "silu") — 解码器中的非线性激活函数(函数或字符串)。
  • initializer_range (float可选,默认为 0.02) — 用于初始化所有权重矩阵的截断正态分布初始化器的标准差。
  • rms_norm_eps (float可选,默认为 1e-05) — RMS 归一化层使用的 epsilon 值。
  • use_cache (bool可选,默认为 True) — 模型是否应返回最后一个键/值注意力(并非所有模型都使用)。仅在 config.is_decoder=True 时相关。
  • num_logits_to_keep (intNone可选,默认为 1) — 在生成过程中要计算的提示 logits 的数量。如果为 None,则计算所有 logits。如果为整数值,则只计算最后 num_logits_to_keep 个 logits。默认为 1,因为生成时只需要最后一个提示标记的 logits。对于长序列,整个序列的 logits 可能会占用大量内存,因此将 num_logits_to_keep=1 可以显著减少内存占用。
  • pad_token_id (int可选,默认为 0) — 填充标记的 ID。
  • bos_token_id (int可选,默认为 1) — “序列开始”标记的 ID。
  • eos_token_id (int可选,默认为 2) — “序列结束”标记的 ID。
  • max_position_embeddings (int可选,默认为 8192) — 模型的最大缓存序列长度
  • attention_dropout (float可选,默认为 0.0) — 注意力概率的丢弃率。
  • mamba_d_ssm (int可选,默认为 1024) — SSM 状态空间潜变量的维度。
  • mamba_n_heads (int, 可选, 默认为 128) — 在 v2 实现中使用的 mamba头的数量。
  • mamba_d_head (int, 可选, 默认为 "auto") — 头嵌入维度大小
  • mamba_n_groups (int, 可选, 默认为 1) — 在 v2 实现中使用的 mamba 组的数量。
  • mamba_d_state (int, 可选, 默认为 256) — mamba 状态空间潜变量的维度
  • mamba_d_conv (int, 可选, 默认为 4) — mamba 卷积核的大小
  • mamba_expand (int, 可选, 默认为 2) — 用于确定 mamba 中间大小的扩展因子(相对于 hidden_size)
  • mamba_chunk_size (int, 可选, 默认为 256) — 在进行预填充/训练时,将序列拆分成的块大小
  • mamba_conv_bias (bool, 可选, 默认为 True) — 指示是否在 mamba 混合块的卷积层中使用偏置的标志。
  • mamba_proj_bias (bool, 可选, 默认为 False) — 指示是否在 mamba 混合块的输入和输出投影([“in_proj”, “out_proj”])中使用偏置的标志
  • mamba_norm_before_gate (bool, 可选, 默认为 True) — 是否在 Mamba 块的门控之前使用 RMSNorm
  • mamba_rms_norm (bool, 可选, 默认为 False) — 是否在 Mamba 块中使用 RMSNorm 而不是 LayerNorm
  • projectors_bias (bool, 可选, 默认为 False) — 指示是否在注意力块的输入和输出投影([“in_proj”, “out_proj”])中使用偏置的标志
  • rope_theta (float, 可选, 默认为 100000.0) — 用于 RoPE 嵌入的 theta 值。
  • rope_scaling (float, 可选) — 用于 RoPE 嵌入的缩放值。如果为 `None`,则不应用缩放。
  • lm_head_multiplier (float, 可选, 默认为 1.0) — LM 头的乘数。用于缩放 LM 头的输出。
  • embedding_multiplier (float, 可选, 默认为 1.0) — 嵌入层的乘数。用于缩放嵌入层的输出。
  • mlp_multipliers (list[float], 可选) — MLP 层的乘数。用于缩放 MLP 层的输出。第一个值是门控层的乘数,第二个值是 down_proj 层的乘数。
  • key_multiplier (float, 可选) — 键层的乘数。用于缩放键层的输出。
  • attention_out_multiplier (float, 可选) — 注意力输出层的乘数。用于缩放注意力输出。
  • attention_in_multiplier (float, 可选) — 注意力输入层的乘数。用于缩放注意力输入层的输出。
  • ssm_multipliers (list[float], 可选) — SSM 层的乘数。用于缩放 SSM 层的输出。
  • ssm_in_multiplier (float, 可选) — SSM 输入层的乘数。用于缩放 SSM 输入层的输出。
  • ssm_out_multiplier (float, 可选) — SSM 输出层的乘数。用于缩放 SSM 输出层的输出。

这是用于存储 FalconH1Model 配置的配置类。它用于根据指定的参数实例化 FalconH1Model 模型,定义模型架构。使用从 ibm-fms/FalconH1-9.8b-2.2T-hf 获取的默认值实例化配置。FalconH1Model 是一种混合了 SwiGLU 的 mamba2 架构。这些检查点由 IBM、普林斯顿大学和伊利诺伊大学厄巴纳-香槟分校联合训练。配置对象继承自 PretrainedConfig,可用于控制模型输出。请阅读 PretrainedConfig 的文档以获取更多信息。

FalconH1ForCausalLM

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("tiiuae/Falcon-H1-7B-Instruct")
tokenizer = AutoTokenizer.from_pretrained("tiiuae/Falcon-H1-7B-Instruct")

message = ["Mamba is a snake with following properties  "]
inputs = tokenizer(message, return_tensors='pt', return_token_type_ids=False)
response = model.generate(**inputs, max_new_tokens=64)
print(tokenizer.batch_decode(response, skip_special_tokens=True)[0])

class transformers.FalconH1ForCausalLM

< >

( config )

参数

  • config (FalconH1ForCausalLM) — 包含模型所有参数的模型配置类。使用配置文件进行初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法来加载模型权重。

用于因果语言建模的 Falcon H1 模型。

此模型继承自 PreTrainedModel。请查看超类文档以了解该库为其所有模型实现的通用方法(例如下载或保存、调整输入嵌入大小、修剪注意力头等)。

该模型也是 PyTorch torch.nn.Module 的子类。可以像常规 PyTorch 模块一样使用它,并参考 PyTorch 文档了解所有与常规用法和行为相关的事项。

forward

< >

( input_ids: LongTensor = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.LongTensor] = None past_key_values: typing.Optional[transformers.models.falcon_h1.modeling_falcon_h1.FalconHybridMambaAttentionDynamicCache] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None labels: typing.Optional[torch.LongTensor] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None cache_position: typing.Optional[torch.LongTensor] = None logits_to_keep: typing.Union[int, torch.Tensor] = 0 **kwargs ) transformers.modeling_outputs.CausalLMOutputWithPasttuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor,形状为 (batch_size, sequence_length)) — 词汇表中输入序列词元的索引。默认情况下将忽略填充。

    可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode()PreTrainedTokenizer.call()

    什么是输入 ID?

  • attention_mask (torch.Tensor,形状为 (batch_size, sequence_length), 可选) — 用于避免对填充词元索引执行注意力的掩码。掩码值选自 [0, 1]

    • 1 表示**未被掩码**的词元,
    • 0 表示**被掩码**的词元。

    什么是注意力掩码?

  • position_ids (torch.LongTensor,形状为 (batch_size, sequence_length), 可选) — 每个输入序列词元在位置嵌入中的位置索引。选定范围为 [0, config.n_positions - 1]

    什么是位置 ID?

  • past_key_values (~models.falcon_h1.modeling_falcon_h1.FalconHybridMambaAttentionDynamicCache, 可选) — 预计算的隐藏状态(自注意力和交叉注意力块中的键和值),可用于加速序列解码。这通常包括在解码的先前阶段由模型返回的 `past_key_values`,当 `use_cache=True` 或 `config.use_cache=True` 时。

    允许两种格式:

    • 一个 Cache 实例,请参阅我们的 kv 缓存指南
    • 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)。这也被称为旧版缓存格式。

    模型将输出与输入相同的缓存格式。如果没有传入 `past_key_values`,将返回旧版缓存格式。

    如果使用 `past_key_values`,用户可以选择只输入最后一个 `input_ids`(那些没有为其提供过去键值状态的 `input_ids`),形状为 `(batch_size, 1)`,而不是所有形状为 `(batch_size, sequence_length)` 的 `input_ids`。

  • inputs_embeds (torch.FloatTensor,形状为 (batch_size, sequence_length, hidden_size), 可选) — 可选地,您可以选择直接传递嵌入表示,而不是传递 input_ids。如果您希望比模型内部的嵌入查找矩阵更能控制如何将 input_ids 索引转换为关联向量,这将非常有用。
  • labels (torch.LongTensor,形状为 (batch_size, sequence_length), 可选) — 用于计算掩码语言建模损失的标签。索引应在 [0, ..., config.vocab_size] 或 -100 之间(请参阅 input_ids 文档字符串)。索引设置为 -100 的词元将被忽略(掩码),损失仅对标签在 [0, ..., config.vocab_size] 内的词元计算。
  • use_cache (bool, 可选) — 如果设置为 True,则返回 past_key_values 键值状态,可用于加速解码(请参阅 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关更多详细信息,请参阅返回张量下的 `attentions`。
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息,请参阅返回张量下的 `hidden_states`。
  • cache_position (torch.LongTensor,形状为 (sequence_length), 可选) — 描绘输入序列词元在序列中位置的索引。与 `position_ids` 不同,此张量不受填充影响。它用于在正确的位置更新缓存并推断完整的序列长度。
  • logits_to_keep (Union[int, torch.Tensor], 默认为 0) — 如果是 `int`,则计算最后 `logits_to_keep` 个词元的 logits。如果是 `0`,则计算所有 `input_ids` 的 logits(特殊情况)。生成时只需要最后一个词元的 logits,仅为该词元计算 logits 可以节省内存,这对于长序列或大词汇表来说非常重要。如果是 `torch.Tensor`,则必须是 1D,对应于序列长度维度中要保留的索引。当使用打包张量格式(批处理和序列长度使用单个维度)时,这非常有用。

返回

transformers.modeling_outputs.CausalLMOutputWithPasttuple(torch.FloatTensor)

一个 transformers.modeling_outputs.CausalLMOutputWithPast 或一个 `torch.FloatTensor` 元组(如果传递了 `return_dict=False` 或当 `config.return_dict=False` 时),根据配置(FalconH1Config)和输入,包含各种元素。

  • loss (torch.FloatTensor 形状为 (1,)可选,当提供 labels 时返回) — 语言建模损失(用于下一个 token 预测)。

  • logits (形状为 (batch_size, sequence_length, config.vocab_size)torch.FloatTensor) — 语言建模头部的预测分数(SoftMax 之前的每个词汇标记的分数)。

  • past_key_values (Cache, 可选, 当传递 `use_cache=True` 或 `config.use_cache=True` 时返回) — 这是一个 Cache 实例。有关更多详细信息,请参阅我们的 kv 缓存指南

    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, 当传递 `output_hidden_states=True` 或 `config.output_hidden_states=True` 时返回) — 形状为 `(batch_size, sequence_length, hidden_size)` 的 `torch.FloatTensor` 元组(如果模型有嵌入层,则第一个是嵌入层的输出,然后是每个层的输出)。

    模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor), 可选, 当传递 `output_attentions=True` 或 `config.output_attentions=True` 时返回) — 形状为 `(batch_size, num_heads, sequence_length, sequence_length)` 的 `torch.FloatTensor` 元组(每层一个)。

    注意力 softmax 后的注意力权重,用于计算自注意力头中的加权平均值。

FalconH1ForCausalLM 的 forward 方法覆盖了 `__call__` 特殊方法。

虽然前向传播的流程需要在此函数中定义,但之后应该调用 `Module` 实例而不是这个函数,因为前者会处理前处理和后处理步骤,而后者会静默地忽略它们。

示例

>>> from transformers import AutoTokenizer, FalconH1ForCausalLM

>>> model = FalconH1ForCausalLM.from_pretrained("...")
>>> tokenizer = AutoTokenizer.from_pretrained("...")

>>> 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."

此 HF 实现由 younesbelkadaDhiaEddineRhaiem 贡献。

< > 在 GitHub 上更新