Transformers 文档
FLAN-UL2
加入 Hugging Face 社区
并获取增强的文档体验
开始使用
FLAN-UL2
概述
Flan-UL2 是一个基于 T5 架构的编码器-解码器模型。它使用与去年早些时候发布的 UL2 模型相同的配置。它使用 “Flan” 提示调优和数据集集合进行了微调。与 Flan-T5
类似,可以直接使用 FLAN-UL2 权重,而无需对模型进行微调
根据原始博客,以下是显着的改进
- 最初的 UL2 模型仅使用 512 的感受野进行训练,这使其不适用于 N-shot 提示,其中 N 很大。
- Flan-UL2 检查点使用 2048 的感受野,这使其更适用于少样本上下文学习。
- 最初的 UL2 模型还具有模式切换令牌,这对于获得良好的性能是相当必要的。但是,它们有点麻烦,因为这通常需要在推理或微调期间进行一些更改。在此更新/更改中,我们继续训练 UL2 20B 额外 10 万步(小批量),以便在应用 Flan 指令调优之前忘记“模式令牌”。此 Flan-UL2 检查点不再需要模式令牌。Google 发布了以下变体
原始检查点可以在这里找到。
在低资源设备上运行
该模型相当大(半精度下约为 40GB),因此如果您只想运行该模型,请确保以 8 位加载您的模型,并使用 device_map="auto"
以确保您不会遇到 OOM 问题!
>>> from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
>>> model = AutoModelForSeq2SeqLM.from_pretrained("google/flan-ul2", load_in_8bit=True, device_map="auto")
>>> tokenizer = AutoTokenizer.from_pretrained("google/flan-ul2")
>>> inputs = tokenizer("A step by step recipe to make bolognese pasta:", return_tensors="pt")
>>> outputs = model.generate(**inputs)
>>> print(tokenizer.batch_decode(outputs, skip_special_tokens=True))
['In a large skillet, brown the ground beef and onion over medium heat. Add the garlic']
请参阅 T5 的文档页面 以获取 API 参考、提示、代码示例和笔记本。