Transformers 文档

FalconMamba

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

FalconMamba

概述

FalconMamba 模型是由阿联酋技术创新研究所 (TII UAE) 在其发布版本中提出的。

该论文的摘要是:

我们推出了 FalconMamba,这是一种基于新型 Mamba 架构的新型基础大型语言模型。FalconMamba 使用精心挑选的数据混合物,在 5.8 万亿个标记上进行了训练。作为纯粹的基于 Mamba 的模型,FalconMamba 优于基于 Transformers 的领先开放权重模型,例如 Mistral 7B、Llama3 8B 和 Falcon2 11B。它与 Gemma 7B 旗鼓相当,并且优于具有不同架构设计的模型,例如 RecurrentGemma 9B。目前,FalconMamba 是文献中此规模下性能最佳的 Mamba 模型,超越了现有的 Mamba 和混合 Mamba-Transformer 模型。由于其架构,FalconMamba 的推理速度明显更快,并且长序列生成所需的内存大大减少。尽管最近的研究表明混合 Mamba-Transformer 模型的性能优于纯架构设计,但我们论证并证明了纯 Mamba 设计可以实现与混合设计类似甚至更好的结果。我们在宽松许可下公开提供我们实施的 FalconMamba 的权重。

提示

该模型已在大约 6T 个标记上进行了训练,这些标记包含许多数据源的混合,例如 RefineWeb、Cosmopedia 和数学数据。

有关训练过程和架构的更多详细信息,请查看 FalconMamba 的技术论文(即将推出)。

用法

下面我们演示如何使用该模型

from transformers import FalconMambaForCausalLM, AutoTokenizer
import torch

tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
model = FalconMambaForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b")

input_ids = tokenizer("Hey how are you doing?", return_tensors= "pt")["input_ids"]

out = model.generate(input_ids, max_new_tokens=10)
print(tokenizer.batch_decode(out))

该架构还兼容 torch.compile 以实现更快的生成

from transformers import FalconMambaForCausalLM, AutoTokenizer
import torch

tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
model = FalconMambaForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b", torch_dtype=torch.bfloat16).to(0)
model = torch.compile(model)

input_ids = tokenizer("Hey how are you doing?", return_tensors= "pt")["input_ids"]

out = model.generate(input_ids, max_new_tokens=10)
print(tokenizer.batch_decode(out))

如果您有权访问与 bitsandbytes 兼容的 GPU,您还可以将模型量化为 4 位精度

from transformers import FalconMambaForCausalLM, AutoTokenizer, BitsAndBytesConfig
import torch

tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
quantization_config = BitsAndBytesConfig(load_in_4bit=True)
model = FalconMambaForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b", quantization_config=quantization_config)

input_ids = tokenizer("Hey how are you doing?", return_tensors= "pt")["input_ids"]

out = model.generate(input_ids, max_new_tokens=10)
print(tokenizer.batch_decode(out))

您还可以使用指令微调模型

from transformers import FalconMambaForCausalLM, AutoTokenizer
import torch

tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b-instruct")
model = FalconMambaForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b-instruct")

# We use the tokenizer's chat template to format each message - see https://huggingface.co/docs/transformers/main/en/chat_templating
messages = [
    {"role": "user", "content": "How many helicopters can a human eat in one sitting?"},
]
input_ids = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True).input_ids

outputs = model.generate(input_ids)
print(tokenizer.decode(outputs[0]))

FalconMambaConfig

transformers.FalconMambaConfig

< >

( vocab_size = 50280 hidden_size = 768 state_size = 16 num_hidden_layers = 32 layer_norm_epsilon = 1e-05 pad_token_id = 0 bos_token_id = 0 eos_token_id = 0 expand = 2 conv_kernel = 4 use_bias = False use_conv_bias = True hidden_act = 'silu' initializer_range = 0.1 residual_in_fp32 = True time_step_rank = 'auto' time_step_scale = 1.0 time_step_min = 0.001 time_step_max = 0.1 time_step_init_scheme = 'random' time_step_floor = 0.0001 rescale_prenorm_residual = False use_cache = True use_mambapy = False mixer_rms_eps = 1e-06 **kwargs )

参数

  • vocab_size (int, 可选, 默认为 50280) — FALCON_MAMBA 模型的词汇表大小。定义了在调用 FalconMambaModel 时传递的 inputs_ids 可以表示的不同标记的数量。
  • hidden_size (int, 可选, 默认为 768) — 嵌入和隐藏状态的维度。
  • state_size (int, 可选, 默认为 16) — 状态空间潜变量的形状。
  • num_hidden_layers (int, 可选, 默认为 32) — 模型中隐藏层的数量。
  • layer_norm_epsilon (float, 可选, 默认为 1e-05) — 层归一化层中使用的 epsilon 值。
  • pad_token_id (int, 可选, 默认为 0) — 填充标记 ID。
  • bos_token_id (int, 可选, 默认为 0) — 词汇表中句首标记的 ID。
  • eos_token_id (int, 可选, 默认为 0) — 词汇表中句末标记的 ID。
  • expand (int, 可选, 默认为 2) — 用于确定中间大小的扩展因子。
  • conv_kernel (int, 可选, 默认为 4) — 卷积核的大小。
  • use_bias (bool, 可选, 默认为 False) — 是否在混合器块的 [“in_proj”, “out_proj”] 中使用偏置
  • use_conv_bias (bool, 可选, 默认为 True) — 是否在混合器块的卷积层中使用偏差。
  • hidden_act (str, 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 0.1) — 用于初始化所有权重矩阵的 truncated_normal_initializer 的标准差。
  • residual_in_fp32 (bool, 可选, 默认为 True) — 残差是否应该采用 float32 格式。如果设置为 False,则残差将保留与模型其余部分相同的 dtype
  • time_step_rank (Union[int,str], 可选, 默认为 "auto") — 离散化投影矩阵的秩。"auto" 表示它将默认为 math.ceil(self.hidden_size / 16)
  • time_step_scale (float, 可选, 默认为 1.0) — 用于缩放 dt_proj.bias 的比例。
  • time_step_min (float, 可选, 默认为 0.001) — 用于限制 dt_proj.bias 的最小 time_step
  • time_step_max (float, 可选, 默认为 0.1) — 用于限制 dt_proj.bias 的最大 time_step
  • time_step_init_scheme (float, 可选, 默认为 "random") — 用于 dt_proj.weight 的初始化方案。应该是 ["random","uniform"] 中的一个
  • time_step_floor (float, 可选, 默认为 0.0001) — dt_proj.bias 层初始化的最小钳位值。
  • rescale_prenorm_residual (bool, 可选, 默认为 False) — 初始化时是否重新缩放 out_proj 权重。
  • use_cache (bool, 可选, 默认为 True) — 是否应该使用缓存。
  • use_mambapy (bool, 可选, 默认为 False) — 如果基于 CUDA 的 FalconMamba 官方实现不可用,则确定训练期间的回退策略。如果为 True,则使用 falcon_mamba.py 实现。如果为 False,则使用朴素且较慢的实现。如果内存有限,请考虑切换到朴素版本。
  • mixer_rms_eps (float, 可选, 默认为 1e-06) — 用于 B、C 和 dt 状态的 Mixer RMS 规范化中的 RMS 规范化 epsilon 值。

这是用于存储 FalconMambaModel 配置的配置类。它用于根据指定的参数实例化 FALCON_MAMBA 模型,定义模型架构。使用默认值实例化配置将产生与 FALCON_MAMBA tiiuae/falcon-mamba-7b 架构类似的配置。

配置对象继承自 PretrainedConfig,可用于控制模型输出。阅读 PretrainedConfig 的文档了解更多信息。

示例

>>> from transformers import FalconMambaConfig, FalconMambaModel

>>> # Initializing a FalconMamba configuration
>>> configuration = FalconMambaConfig()

>>> # Initializing a model (with random weights) from the configuration
>>> model = FalconMambaModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

FalconMambaModel

class transformers.FalconMambaModel

< >

( config )

参数

  • config (FalconMambaConfig) — 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。请查看 from_pretrained() 方法来加载模型权重。

FALCONMAMBA 模型的裸机 Transformer,输出原始隐藏状态,没有任何特定的头部。

此模型继承自 PreTrainedModel。请查看父类的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、剪枝头部等)。

此模型也是 PyTorch torch.nn.Module 的子类。将其用作常规的 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内容。

forward

< >

( input_ids: Optional = None inputs_embeds: Optional = None cache_params: Optional = None use_cache: Optional = None output_hidden_states: Optional = None return_dict: Optional = None cache_position: Optional = None attention_mask: Optional = None ) transformers.models.falcon_mamba.modeling_falcon_mamba.FalconMambaOutputtuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)) — 词汇表中输入序列标记的索引。

    如果 cache_params.seqlen_offset>0,则只有过去未计算的 input_ids 应作为 input_ids 传递。

    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?

  • 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。如果您希望比模型的内部嵌入查找矩阵更好地控制如何将 input_ids 索引转换为关联向量,这将非常有用。
  • cache_params (MambaCache可选) — 如果传递,模型将在所有块中使用先前的状态(这将给出提供的 input_ids 的输出,就好像模型将 state_input_ids + input_ids 添加为上下文一样)。
  • use_cache (bool可选) — 如果设置为 True,则返回 cache_params,并可用于快速生成下一个 logits。
  • 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
  • return_dict (bool可选) — 是否返回 ModelOutput 而不是普通元组。

返回值

transformers.models.falcon_mamba.modeling_falcon_mamba.FalconMambaOutputtuple(torch.FloatTensor)

一个 transformers.models.falcon_mamba.modeling_falcon_mamba.FalconMambaOutput 或一个 torch.FloatTensor 的元组(如果传递 return_dict=False 或当 config.return_dict=False 时),包含根据配置 (FalconMambaConfig) 和输入的不同元素。

  • last_hidden_state (torch.FloatTensor,形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层输出的隐藏状态序列。

  • cache_params (MambaCache) — 模型在最后一个时间步的状态。可以在下一个 input_ids 的前向方法中使用,以避免提供旧的 input_ids

    包括选择性扫描后的状态空间模型状态矩阵和卷积状态

  • hidden_states (tuple(torch.FloatTensor)可选,当传递 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 的元组(如果模型具有嵌入层,则一个用于嵌入的输出,+ 一个用于每层的输出),形状为 (batch_size, sequence_length, hidden_size)

    模型在每层输出的隐藏状态以及可选的初始嵌入输出。

FalconMambaModel 的前向方法覆盖了 __call__ 特殊方法。

尽管前向传递的配方需要在此函数中定义,但之后应该调用 Module 实例而不是此实例,因为前者负责运行前后处理步骤,而后者则默默地忽略它们。

示例

>>> from transformers import AutoTokenizer, FalconMambaModel
>>> import torch

>>> tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
>>> model = FalconMambaModel.from_pretrained("tiiuae/falcon-mamba-7b")

>>> inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
>>> outputs = model(**inputs)

>>> last_hidden_states = outputs.last_hidden_state

FalconMambaLMHeadModel

transformers.FalconMambaForCausalLM

< >

( config )

参数

  • config (FalconMambaConfig) — 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。

FALCONMAMBA 模型变压器,顶部带有语言建模头(线性层,权重与输入嵌入绑定)。

此模型继承自 PreTrainedModel。请查看父类的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、剪枝头部等)。

此模型也是 PyTorch torch.nn.Module 的子类。将其用作常规的 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内容。

forward

< >

( input_ids: Optional = None attention_mask: Optional = None inputs_embeds: Optional = None cache_params: Optional = None labels: Optional = None output_hidden_states: Optional = None return_dict: Optional = None use_cache: Optional = None cache_position: Optional = None **kwargs ) transformers.models.falcon_mamba.modeling_falcon_mamba.FalconMambaCausalLMOutputtuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, input_ids_length)) — 词汇表中输入序列标记的索引。

    如果 cache_params.seqlen_offset>0,则只有尚未计算其过去的 input_ids 才能作为 input_ids 传递。

    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?

  • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 或者,您可以选择直接传递嵌入表示,而不是传递 input_ids。如果您希望比模型的内部嵌入查找矩阵更好地控制如何将 input_ids 索引转换为关联向量,这将非常有用。
  • cache_params (MambaCache, 可选) — 如果传递,模型将在所有块中使用先前的状态(这将给出提供的 input_ids 的输出,就像模型将 state_input_ids + input_ids 作为上下文一样)。
  • use_cache (bool, 可选) — 如果设置为 True,则返回 cache_params,并且可以用于快速生成下一个 logits。
  • 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
  • return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。
  • labels (torch.LongTensor 形状为 (batch_size, sequence_length), 可选) — 语言建模的标签。请注意,标签在模型内部是**移位的**,即您可以设置 labels = input_ids。索引在 [-100, 0, ..., config.vocab_size] 中选择。所有设置为 -100 的标签都将被忽略(屏蔽),损失仅针对 [0, ..., config.vocab_size] 中的标签计算。

返回值

transformers.models.falcon_mamba.modeling_falcon_mamba.FalconMambaCausalLMOutputtuple(torch.FloatTensor)

transformers.models.falcon_mamba.modeling_falcon_mamba.FalconMambaCausalLMOutputtorch.FloatTensor 的元组(如果传递了 return_dict=False 或当 config.return_dict=False 时),包含根据配置 (FalconMambaConfig) 和输入的不同元素。

  • 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 之前的每个词汇标记的分数)。

  • cache_params (MambaCache) — 模型在最后一个时间步的状态。可以在下一个 input_ids 的前向方法中使用,以避免提供旧的 input_ids

    包括选择性扫描后的状态空间模型状态矩阵和卷积状态

  • hidden_states (tuple(torch.FloatTensor)可选,当传递 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 的元组(如果模型具有嵌入层,则一个用于嵌入的输出,+ 一个用于每层的输出),形状为 (batch_size, sequence_length, hidden_size)

    模型在每层输出的隐藏状态以及可选的初始嵌入输出。

FalconMambaForCausalLM forward 方法,覆盖 __call__ 特殊方法。

尽管前向传递的配方需要在此函数中定义,但之后应该调用 Module 实例而不是此实例,因为前者负责运行前后处理步骤,而后者则默默地忽略它们。

示例

>>> import torch
>>> from transformers import AutoTokenizer, FalconMambaForCausalLM

>>> tokenizer = AutoTokenizer.from_pretrained("tiiuae/falcon-mamba-7b")
>>> model = FalconMambaForCausalLM.from_pretrained("tiiuae/falcon-mamba-7b")

>>> inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
>>> outputs = model(**inputs, labels=inputs["input_ids"])
>>> loss = outputs.loss
>>> logits = outputs.logits
< > 在 GitHub 上更新