Transformers 文档

Open-Llama

Hugging Face's logo
加入 Hugging Face 社区

并访问增强型文档体验

开始使用

Open-Llama

此模型仅处于维护模式,我们不接受更改其代码的任何新的 PR。

如果您在运行此模型时遇到任何问题,请重新安装支持此模型的最新版本:v4.31.0。您可以通过运行以下命令来执行此操作:pip install -U transformers==4.31.0

此模型与 Hugging Face Hub 上的 OpenLLaMA 模型 不同,这些模型主要使用 LLaMA 架构。

概述

Open-Llama 模型是由社区开发者 s-JoL 在开源 Open-Llama 项目中提出的。

该模型主要基于 LLaMA 并进行了一些修改,融合了 Xformers 的内存高效注意力、Bloom 的稳定嵌入以及 PaLM 的共享输入输出嵌入。并且该模型在中文和英文上进行预训练,这使得它在中文语言任务上表现更佳。

此模型由 s-JoL 贡献。原始代码由 s-JoL 在 GitHub 上发布,但现已移除。

OpenLlamaConfig

class transformers.OpenLlamaConfig

< >

( vocab_size = 100000 hidden_size = 4096 intermediate_size = 11008 num_hidden_layers = 32 num_attention_heads = 32 hidden_act = 'silu' max_position_embeddings = 2048 initializer_range = 0.02 rms_norm_eps = 1e-06 use_cache = True pad_token_id = 0 bos_token_id = 1 eos_token_id = 2 tie_word_embeddings = False use_memory_efficient_attention = True hidden_dropout_prob = 0.1 attention_dropout_prob = 0.1 use_stable_embedding = True shared_input_output_embedding = True rope_theta = 10000.0 rope_scaling = None **kwargs )

参数

  • vocab_size (int, 可选,默认值 32000) — Open-Llama 模型的词汇量。定义了调用 OpenLlamaModel 时可由 inputs_ids 表示的不同标记的数量。
  • hidden_size (int, 可选,默认值 4096) — 隐藏表示的维度。
  • intermediate_size (int, 可选,默认值 11008) — MLP 表示的维度。
  • num_hidden_layers (int, 可选,默认值 32) — Transformer 编码器中的隐藏层数量。
  • num_attention_heads (int, 可选,默认值 32) — Transformer 编码器中每个注意力层的注意力头数量。
  • hidden_act (strfunction可选,默认值为 "silu") — 解码器中的非线性激活函数(函数或字符串)。
  • max_position_embeddings (int可选,默认值为 2048) — 此模型可能使用的最大序列长度。 通常将其设置为一个较大的值以防万一(例如,512 或 1024 或 2048)。
  • initializer_range (float可选,默认值为 0.02) — 初始化所有权重矩阵的截断正态初始化的标准差。
  • rms_norm_eps (float可选,默认值为 1e-12) — RMS 归一化层使用的 epsilon。
  • use_cache (bool可选,默认值为 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)。 仅在 config.is_decoder=True 时才相关。
  • tie_word_embeddings(bool, 可选,默认值为 False) — 是否绑定权重嵌入
  • rope_theta (float可选,默认值为 10000.0) — RoPE 嵌入的基础周期。
  • rope_scaling (Dict可选) — 包含 RoPE 嵌入缩放配置的字典。 目前支持两种缩放策略:线性缩放和动态缩放。 它们的缩放因子必须大于 1 的浮点数。 预期的格式为 {"type": 策略名称, "factor": 缩放因子}。 使用此标志时,不要将 max_position_embeddings 更新为预期的新的最大值。 有关这些缩放策略的行为方式的更多信息,请参阅以下主题: https://www.reddit.com/r/LocalLLaMA/comments/14mrgpr/dynamically_scaled_rope_further_increases/。 这是一个实验性功能,在将来的版本中可能会出现破坏性 API 更改。

    示例 —

这是一个配置类,用于存储 OpenLlamaModel 的配置。 它用于根据指定的参数实例化一个 Open-Llama 模型,定义模型架构。 使用默认值实例化一个配置将生成与 s-JoL/Open-Llama-V1 相似的配置。

配置对象继承自 PretrainedConfig,可用于控制模型输出。 阅读 PretrainedConfig 的文档以获取更多信息。

>>> from transformers import OpenLlamaModel, OpenLlamaConfig

>>> # Initializing a Open-Llama open_llama-7b style configuration
>>> configuration = OpenLlamaConfig()

>>> # Initializing a model from the open_llama-7b style configuration
>>> model = OpenLlamaModel(configuration)

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

OpenLlamaModel

class transformers.OpenLlamaModel

< >

( config: OpenLlamaConfig )

参数

  • config (OpenLlamaConfig) — 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,只加载配置。 查看 from_pretrained() 方法加载模型权重。 config — OpenLlamaConfig

Open-Llama 模型的裸模型,输出原始隐藏状态,没有任何特定的头部。 此模型继承自 PreTrainedModel。 查看超类文档以了解库为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、修剪头部等)。

此模型也是一个 PyTorch torch.nn.Module 子类。 将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解与一般用法和行为有关的所有事项。

Transformer 解码器,包含 config.num_hidden_layers 层。 每层都是一个 OpenLlamaDecoderLayer

forward

< >

( input_ids: LongTensor = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Optional = None inputs_embeds: Optional = None use_cache: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None )

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 输入序列标记在词汇表中的索引。 如果您提供填充,默认情况下将忽略填充。

    可以使用 AutoTokenizer 获取索引。 查看 PreTrainedTokenizer.encode()PreTrainedTokenizer.call() 获取详细信息。

    什么是输入 ID?

  • attention_mask (torch.Tensor 形状为 (batch_size, sequence_length)可选) — 掩码以避免对填充标记索引执行注意力。 掩码值在 [0, 1] 中选择:

    • 1 表示未屏蔽的标记,
    • 0 表示屏蔽的标记。

    什么是注意力掩码?

    可以使用 AutoTokenizer 获取索引。 查看 PreTrainedTokenizer.encode()PreTrainedTokenizer.call() 获取详细信息。

    如果使用 past_key_values,可以选择只输入最后一个 decoder_input_ids(那些没有被提供给该模型的过去键值状态)(见 past_key_values)。

    如果您想更改填充行为,您应该阅读 modeling_opt._prepare_decoder_attention_mask 并修改为您的需求。 查看 论文 中的图 1 以了解有关默认策略的更多信息。

    • 1 表示头部未屏蔽
    • 0 表示头部屏蔽
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length)可选) — 每个输入序列标记在位置嵌入中的位置索引。 在 [0, config.n_positions - 1] 范围内选择。

    什么是位置 ID?

  • past_key_values (tuple(tuple(torch.FloatTensor))可选,在传递 use_cache=Trueconfig.use_cache=True 时返回) — 长度为 config.n_layerstuple(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,以及 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加张量。

    包含预先计算的隐藏状态(自注意力块和交叉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。

    如果使用 past_key_values,用户可以选择只输入形状为 (batch_size, 1) 的最后一个 decoder_input_ids(那些没有提供给该模型的过去键值状态),而不是形状为 (batch_size, sequence_length) 的所有 decoder_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。 如果您想对如何将 input_ids 索引转换为关联向量进行更多控制,这将很有用,而不是模型的内部嵌入查找矩阵。
  • use_cache (bool, 可选) — 如果设置为 True,则返回 past_key_values 密钥值状态,可用于加快解码速度(参见 past_key_values)。
  • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。有关详细信息,请参阅返回张量中的 attentions
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关详细信息,请参阅返回张量中的 hidden_states
  • return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。

OpenLlamaModel 正向方法覆盖了 __call__ 特殊方法。

虽然正向传递的方案需要在此函数中定义,但应随后调用 Module 实例,而不是此方法,因为前者负责运行前处理和后处理步骤,而后者会静默地忽略它们。

OpenLlamaForCausalLM

class transformers.OpenLlamaForCausalLM

< >

( config )

forward

< >

( input_ids: LongTensor = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Optional = None inputs_embeds: Optional = None labels: Optional = None use_cache: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None ) transformers.modeling_outputs.CausalLMOutputWithPasttuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 词汇表中输入序列标记的索引。如果您提供填充,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) — 掩码以避免对填充标记索引执行注意力。掩码值选择在 [0, 1] 中:

    • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length), 可选) — 位置嵌入中每个输入序列标记的位置索引。 在范围 [0, config.n_positions - 1] 内选择。

      什么是位置 ID?

    • past_key_values (tuple(tuple(torch.FloatTensor)), 可选, 当传递 use_cache=Trueconfig.use_cache=True 时返回) — 长度为 config.n_layerstuple(tuple(torch.FloatTensor)),每个元组包含两个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量) 和两个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的附加张量。

      包含预先计算的隐藏状态(自注意力块和交叉注意力块中的键和值),这些状态可用于(参见 past_key_values 输入)加快顺序解码。

      如果使用 past_key_values,用户可以选择仅输入形状为 (batch_size, 1) 的最后 decoder_input_ids(那些没有向该模型提供过去键值状态的 ID)而不是所有形状为 (batch_size, sequence_length)decoder_input_ids

    • inputs_embeds (torch.FloatTensor 形状为 (batch_size, sequence_length, hidden_size), 可选) — 可选地,除了传递 input_ids,您还可以选择直接传递嵌入表示。 如果您想对如何将 input_ids 索引转换为关联向量(比模型的内部嵌入查找矩阵更灵活),这将非常有用。
    • use_cache (bool, 可选) — 如果设置为 True,则返回 past_key_values 键值状态,这些状态可用于加快解码速度(参见 past_key_values)。
    • output_attentions (bool, 可选) — 是否返回所有注意力层的注意力张量。 有关详细信息,请参见返回张量中的 attentions
    • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。 有关详细信息,请参见返回张量中的 hidden_states
    • return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个简单的元组。

      参数 — 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。 索引应为 [0, ..., config.vocab_size] 或 -100(参见 input_ids 文档字符串)。 索引设置为 -100 的标记将被忽略(掩码),损失仅针对标签在 [0, ..., config.vocab_size] 中的标记进行计算。

    返回值

    transformers.modeling_outputs.CausalLMOutputWithPasttuple(torch.FloatTensor)

    一个 transformers.modeling_outputs.CausalLMOutputWithPast 或一个 torch.FloatTensor 元组(如果传递 return_dict=Falseconfig.return_dict=False),包含取决于配置 (OpenLlamaConfig) 和输入的各种元素。

    • 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)。

    • past_key_values (tuple(tuple(torch.FloatTensor)), 可选, 当传递 use_cache=Trueconfig.use_cache=True 时返回) — 长度为 config.n_layerstuple(tuple(torch.FloatTensor)),每个元组包含两个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量)

      包含预先计算的隐藏状态(自注意力块中的键和值),这些状态可用于(参见 past_key_values 输入)加快顺序解码。

    • hidden_states (tuple(torch.FloatTensor), 可选, 当传递 output_hidden_states=Trueconfig.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,加上每个层的输出)形状为 (batch_size, sequence_length, hidden_size)

      模型在每个层的输出处的隐藏状态,加上可选的初始嵌入输出。

    • attentions (tuple(torch.FloatTensor), 可选, 当传递 output_attentions=Trueconfig.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。

OpenLlamaForCausalLM 正向方法覆盖了 __call__ 特殊方法。

虽然正向传递的方案需要在此函数中定义,但应随后调用 Module 实例,而不是此方法,因为前者负责运行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, OpenLlamaForCausalLM

>>> model = OpenLlamaForCausalLM.from_pretrained("openlm-research/open_llama_7b")
>>> tokenizer = AutoTokenizer.from_pretrained("openlm-research/open_llama_7b")

>>> 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."

OpenLlamaForSequenceClassification

class transformers.OpenLlamaForSequenceClassification

< >

( config )

参数

  • config (OpenLlamaConfig) — 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() 方法来加载模型权重。

LLaMa 模型转换器,顶部带有序列分类头(线性层)。

OpenLlamaForSequenceClassification 使用最后一个 token 进行分类,与其他因果模型(例如 GPT-2)相同。

由于它对最后一个 token 进行分类,因此需要知道最后一个 token 的位置。如果在配置中定义了 pad_token_id,它将找到每行中不是填充 token 的最后一个 token。如果没有定义 pad_token_id,它将简单地获取批处理中每行的最后一个值。由于它在传递 inputs_embeds 而不是 input_ids 时无法猜测填充 token,因此它会执行相同的操作(获取批处理中每行的最后一个值)。

此模型继承自 PreTrainedModel。查看超类文档以了解库为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、修剪头等)。

此模型也是一个 PyTorch torch.nn.Module 子类。 将其用作常规 PyTorch 模块,并参考 PyTorch 文档了解与一般用法和行为有关的所有事项。

forward

< >

( input_ids: LongTensor = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Optional = None inputs_embeds: Optional = None labels: Optional = None use_cache: Optional = None output_attentions: Optional = None output_hidden_states: Optional = None return_dict: Optional = None )

参数

  • input_ids (torch.LongTensor 形状为 (batch_size, sequence_length)) — 输入序列 token 在词汇表中的索引。默认情况下,如果您提供它,填充将被忽略。

    可以使用 AutoTokenizer 获取索引。查看 PreTrainedTokenizer.encode()PreTrainedTokenizer.call() 以获取详细信息。

    什么是输入 ID?

  • attention_mask (torch.Tensor 形状为 (batch_size, sequence_length)可选) — 掩码,以避免对填充 token 索引执行注意力。在 [0, 1] 中选择的掩码值:

    • 1 表示未掩码的 token,
    • 0 表示掩码的 token。

    什么是注意力掩码?

    可以使用 AutoTokenizer 获取索引。查看 PreTrainedTokenizer.encode()PreTrainedTokenizer.call() 以获取详细信息。

    如果使用 past_key_values,则可以选择仅输入最后一个 decoder_input_ids(参见 past_key_values)。

    如果您想更改填充行为,则应阅读 modeling_opt._prepare_decoder_attention_mask 并修改以满足您的需求。查看 论文 中的图 1 以获取有关默认策略的更多信息。

    • 1 表示头部未掩码
    • 0 表示头部掩码
  • position_ids (torch.LongTensor 形状为 (batch_size, sequence_length)可选) — 输入序列 token 在位置嵌入中的位置索引。在 [0, config.n_positions - 1] 范围内选择。

    什么是位置 ID?

  • past_key_values (tuple(tuple(torch.FloatTensor)), 可选, 当传递 use_cache=Trueconfig.use_cache=True 时返回) — 长度为 config.n_layerstuple(tuple(torch.FloatTensor)),每个元组具有 2 个形状为 (batch_size, num_heads, sequence_length, embed_size_per_head) 的张量和 2 个形状为 (batch_size, num_heads, encoder_sequence_length, embed_size_per_head) 的额外张量。

    包含预先计算的隐藏状态(自注意力块和交叉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。

    如果使用 past_key_values,用户可以选择仅输入形状为 (batch_size, 1) 的最后一个 decoder_input_ids(那些没有提供其过去键值状态给此模型的)而不是形状为 (batch_size, sequence_length) 的所有 decoder_input_ids

  • inputs_embeds (形状为 (batch_size, sequence_length, hidden_size)torch.FloatTensor, 可选) — 可选地,而不是传递 input_ids,您可以选择直接传递嵌入表示。如果您希望对如何将 input_ids 索引转换为关联向量比模型的内部嵌入查找矩阵具有更多控制权,这将非常有用。
  • 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(参见 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,请参见返回张量下的 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,请参见返回张量下的 hidden_states
  • return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。
  • labels (形状为 (batch_size,)torch.LongTensor, 可选) — 用于计算序列分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 中。如果 config.num_labels == 1,则计算回归损失(均方损失),如果 config.num_labels > 1,则计算分类损失(交叉熵)。

OpenLlamaForSequenceClassification 正向方法,覆盖了 __call__ 特殊方法。

虽然正向传递的方案需要在此函数中定义,但应随后调用 Module 实例,而不是此方法,因为前者负责运行前处理和后处理步骤,而后者会静默地忽略它们。

< > 在 GitHub 上更新