Transformers 文档

Llama3

Hugging Face's logo
加入 Hugging Face 社区

并获取增强的文档体验

开始使用

Llama3

PyTorch Flax
import transformers
import torch

model_id = "meta-llama/Meta-Llama-3-8B"

pipeline = transformers.pipeline("text-generation", model=model_id, model_kwargs={"torch_dtype": torch.bfloat16}, device_map="auto")
pipeline("Hey how are you doing today?")

概述

Llama3 模型是由 Meta AI 团队在Introducing Meta Llama 3: The most capable openly available LLM to date 中提出的。

来自博客文章的摘要如下:

今天,我们很高兴分享下一代 Llama,Meta Llama 3 的前两个模型,它们可以广泛使用。此版本具有 8B 和 70B 参数的预训练和指令微调语言模型,可以支持广泛的用例。下一代 Llama 在各种行业基准测试中展示了最先进的性能,并提供了新功能,包括改进的推理能力。我们相信这些是同类最佳的开源模型,毋庸置疑。为了支持我们长期以来的开放方法,我们将 Llama 3 交到社区手中。我们希望在整个堆栈中启动下一波 AI 创新——从应用程序到开发者工具,再到评估,再到推理优化等等。我们迫不及待地想看看你们构建的东西,并期待你们的反馈。

查看所有 Llama3 模型检查点此处。作者的原始代码可以在此处找到。

使用技巧

Llama3 模型使用 bfloat16 训练,但原始推理使用 float16。 Hub 上上传的检查点使用 torch_dtype = 'float16'AutoModel API 将使用它将检查点从 torch.float32 转换为 torch.float16

在线权重的 dtype 大多无关紧要,除非在使用 model = AutoModelForCausalLM.from_pretrained("path", torch_dtype = "auto") 初始化模型时使用 torch_dtype="auto"。原因是模型将首先被下载(使用在线检查点的 dtype),然后它将被转换为 torch 的默认 dtype (变为 torch.float32),最后,如果在配置中提供了 torch_dtype,它将被使用。

不建议在 float16 中训练模型,并且已知会产生 nan;因此,模型应在 bfloat16 中训练。

提示

  • 填写此表格即可获得 Llama3 模型的权重

  • 该架构与 Llama2 完全相同。

  • tokenizer 是一个基于 tiktoken 的 BPE 模型(与 Llama2 的基于 sentencepiece 实现的 tokenizer 不同)。主要区别在于,当输入 token 是词汇表的一部分时,它会忽略 BPE 合并规则。这意味着,如果没有合并来生成 "hugging",则如果 “hugging” 是词汇表的一部分,它将自动作为 token 返回,而不是具有最小的单元,例如 ["hug","ging"] 形成 2 个 token。

  • 原始模型使用 pad_id = -1,这意味着没有 padding token。我们不能有相同的逻辑,请确保使用 tokenizer.add_special_tokens({"pad_token":"<pad>"}) 添加 padding token 并相应地调整 token embedding 的大小。您还应该设置 model.config.pad_token_id。模型的 embed_tokens 层使用 self.embed_tokens = nn.Embedding(config.vocab_size, config.hidden_size, self.config.padding_idx) 初始化,这确保了编码 padding token 将输出零,因此建议在初始化时传递它。

  • 原始检查点可以使用转换脚本进行转换。可以使用以下(示例)命令调用该脚本

    python src/transformers/models/llama/convert_llama_weights_to_hf.py \
        --input_dir /path/to/downloaded/llama/weights --model_size 7B --output_dir /output/path --llama_version 3
  • 转换后,可以通过以下方式加载模型和 tokenizer

    from transformers import AutoModelForCausalLM, AutoTokenizer
    
    tokenizer = AutoTokenizer.from_pretrained("/output/path")
    model = AutoModelForCausalLM.from_pretrained("/output/path")

    请注意,执行此脚本需要足够的 CPU 内存以 float16 精度托管整个模型(即使最大的版本以多个检查点的形式提供,它们也各自包含模型权重的部分,因此我们需要将它们全部加载到内存中)。对于 75B 模型,因此需要 145GB 的内存。

  • 当通过 attn_implementation="flash_attention_2" 使用 Flash Attention 2 时,请勿将 torch_dtype 传递给 from_pretrained 类方法,并使用自动混合精度训练。当使用 Trainer 时,只需将 fp16bf16 指定为 True 即可。否则,请确保您正在使用 torch.autocast。这是必需的,因为 Flash Attention 仅支持 fp16bf16 数据类型。

资源

Llama2 的文档页面上已经提供了大量很棒的资源,邀请贡献者在此处添加为 Llama3 精心策划的新资源! 🤗

< > 更新 在 GitHub 上