Phi
概述
Phi-1 模型由 Suriya Gunasekar、Yi Zhang、Jyoti Aneja、Caio César Teodoro Mendes、Allie Del Giorno、Sivakanth Gopi、Mojan Javaheripi、Piero Kauffmann、Gustavo de Rosa、Olli Saarikivi、Adil Salim、Shital Shah、Harkirat Singh Behl、Xin Wang、Sébastien Bubeck、Ronen Eldan、Adam Tauman Kalai、Yin Tat Lee 和 Yuanzhi Li 在 教科书就是你所需要的 中提出。
Phi-1.5 模型由 Yuanzhi Li、Sébastien Bubeck、Ronen Eldan、Allie Del Giorno、Suriya Gunasekar 和 Yin Tat Lee 在 教科书就是你所需要的 II:phi-1.5 技术报告 中提出。
总结
在 Phi-1 和 Phi-1.5 的论文中,作者展示了数据质量在训练中相对于模型规模的重要性。他们选择了高质量的“教科书”数据以及合成生成的数据,用于训练他们基于 Transformer 的小型模型 Phi-1,该模型具有 13 亿个参数。尽管规模较小,但 Phi-1 在 HumanEval 上的 Pass@1 准确率达到了 50.6%,在 MBPP 上达到了 55.5%。他们对 Phi-1.5 采用了相同的策略,并创建了另一个具有 13 亿个参数的模型,其在自然语言任务上的性能与大 5 倍的模型相当,并且超越了大多数非前沿的 LLM。Phi-1.5 呈现了许多大型 LLM 的特征,例如“逐步思考”或执行一些基本的上下文学习的能力。通过这两个实验,作者成功地展示了在训练机器学习模型时,训练数据质量的巨大影响。
Phi-1 论文的摘要如下:
我们介绍了 phi-1,这是一种用于代码的新型大型语言模型,其规模远小于竞争模型:phi-1 是一种基于 Transformer 的模型,具有 13 亿个参数,在 8 个 A100 上训练了 4 天,使用从网络上选择的部分“教科书质量”数据(60 亿个 token)以及使用 GPT-3.5 合成生成的教科书和练习(10 亿个 token)。尽管规模较小,但 phi-1 在 HumanEval 上的 Pass@1 准确率达到了 50.6%,在 MBPP 上达到了 55.5%。与 phi-1-base(我们模型在编码练习数据集上微调之前的版本)和 phi-1-small(一个较小的模型,具有 3.5 亿个参数,使用与 phi-1 相同的管道训练,仍然在 HumanEval 上达到 45% 的准确率)相比,它还展示了令人惊讶的新兴特性。
Phi-1.5 论文的摘要如下:
我们继续研究小型基于 Transformer 的语言模型的潜力,这项研究始于 TinyStories(一个可以生成连贯英语的 1000 万参数模型)以及随后的 phi-1(一个具有 13 亿个参数的模型,其 Python 编码性能接近最先进水平)的工作。后一项工作提出使用现有的大型语言模型 (LLM) 生成“教科书质量”数据,以此作为与传统网络数据相比增强学习过程的一种方式。我们遵循“教科书就是你所需要的一切”的方法,这次专注于自然语言中的常识推理,并创建了一个名为 phi-1.5 的新 13 亿参数模型,其在自然语言任务上的性能与大 5 倍的模型相当,并且在更复杂的推理任务(例如小学数学和基本编码)上超越了大多数非前沿的 LLM。更一般地说,phi-1.5 呈现了许多大型 LLM 的特征,既有好的——例如“逐步思考”或执行一些基本的上下文学习的能力——也有坏的,包括幻觉以及产生有毒和有偏见内容的可能性——令人鼓舞的是,由于没有使用网络数据,我们在这一方面看到了改进。我们开源 phi-1.5 以促进对这些紧迫主题的进一步研究。
该模型由 Susnato Dhar 提供。
Phi-1、Phi-1.5 和 Phi-2 的原始代码分别可以在 这里、这里 和 这里 找到。
使用技巧
- 该模型与
Llama
非常相似,主要区别在于PhiDecoderLayer
,其中它们并行配置了PhiAttention
和PhiMLP
层。 - 该模型使用的分词器与 CodeGenTokenizer 相同。
如何使用 Phi-2
Phi-2 已集成到 transformers
的开发版本 (4.37.0.dev) 中。在通过 pip
发布正式版本之前,请确保您正在执行以下操作之一:
加载模型时,请确保将
trust_remote_code=True
作为from_pretrained()
函数的参数传递。将您的本地
transformers
更新到开发版本:pip uninstall -y transformers && pip install git+https://github.com/huggingface/transformers
。前面的命令是克隆和从源代码安装的替代方法。
>>> from transformers import AutoModelForCausalLM, AutoTokenizer
>>> model = AutoModelForCausalLM.from_pretrained("microsoft/phi-2")
>>> tokenizer = AutoTokenizer.from_pretrained("microsoft/phi-2")
>>> inputs = tokenizer('Can you help me write a formal email to a potential business partner proposing a joint venture?', return_tensors="pt", return_attention_mask=False)
>>> outputs = model.generate(**inputs, max_length=30)
>>> text = tokenizer.batch_decode(outputs)[0]
>>> print(text)
Can you help me write a formal email to a potential business partner proposing a joint venture?
Input: Company A: ABC Inc.
Company B
示例:
>>> from transformers import PhiForCausalLM, AutoTokenizer
>>> # define the model and tokenizer.
>>> model = PhiForCausalLM.from_pretrained("microsoft/phi-1_5")
>>> tokenizer = AutoTokenizer.from_pretrained("microsoft/phi-1_5")
>>> # feel free to change the prompt to your liking.
>>> prompt = "If I were an AI that had just achieved"
>>> # apply the tokenizer.
>>> tokens = tokenizer(prompt, return_tensors="pt")
>>> # use the model to generate new tokens.
>>> generated_output = model.generate(**tokens, use_cache=True, max_new_tokens=10)
>>> tokenizer.batch_decode(generated_output)[0]
'If I were an AI that had just achieved a breakthrough in machine learning, I would be thrilled'
结合 Phi 和 Flash Attention 2
首先,确保安装最新版本的 Flash Attention 2 以包含滑动窗口注意力功能。
pip install -U flash-attn --no-build-isolation
还要确保您的硬件与 Flash-Attention 2 兼容。在 flash-attn 存储库的官方文档中了解更多信息。还要确保以半精度加载您的模型(例如 torch.float16“
)。
要使用 Flash Attention 2 加载和运行模型,请参考下面的代码片段:
>>> import torch
>>> from transformers import PhiForCausalLM, AutoTokenizer
>>> # define the model and tokenizer and push the model and tokens to the GPU.
>>> model = PhiForCausalLM.from_pretrained("microsoft/phi-1_5", torch_dtype=torch.float16, attn_implementation="flash_attention_2").to("cuda")
>>> tokenizer = AutoTokenizer.from_pretrained("microsoft/phi-1_5")
>>> # feel free to change the prompt to your liking.
>>> prompt = "If I were an AI that had just achieved"
>>> # apply the tokenizer.
>>> tokens = tokenizer(prompt, return_tensors="pt").to("cuda")
>>> # use the model to generate new tokens.
>>> generated_output = model.generate(**tokens, use_cache=True, max_new_tokens=10)
>>> tokenizer.batch_decode(generated_output)[0]
'If I were an AI that had just achieved a breakthrough in machine learning, I would be thrilled'
预期加速
下面是一个预期的加速图,比较了使用 microsoft/phi-1
检查点在 transformers 中使用原生实现的纯推理时间和使用序列长度为 2048 的模型的 Flash Attention 2 版本。
PhiConfig
类 transformers.PhiConfig
< 源代码 >( vocab_size = 51200 hidden_size = 2048 intermediate_size = 8192 num_hidden_layers = 24 num_attention_heads = 32 num_key_value_heads = None resid_pdrop = 0.0 embd_pdrop = 0.0 attention_dropout = 0.0 hidden_act = 'gelu_new' max_position_embeddings = 2048 initializer_range = 0.02 layer_norm_eps = 1e-05 use_cache = True tie_word_embeddings = False rope_theta = 10000.0 rope_scaling = None partial_rotary_factor = 0.5 qk_layernorm = False bos_token_id = 1 eos_token_id = 2 **kwargs )
参数
- vocab_size (
int
, 可选, 默认为 51200) — Phi 模型的词汇量大小。定义了调用 PhiModel 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 2048) — 隐藏表示的维度。 - intermediate_size (
int
, 可选, 默认为 8192) — MLP 表示的维度。 - num_hidden_layers (
int
, 可选, 默认为 24) — Transformer 解码器中隐藏层的数量。 - num_attention_heads (
int
, 可选, 默认为 32) — Transformer 解码器中每个注意力层的注意力头的数量。 - num_key_value_heads (
int
, 可选) — 这是应用于实现分组查询注意力的键值头的数量。如果num_key_value_heads=num_attention_heads
,则模型将使用多头注意力 (MHA),如果num_key_value_heads=1
,则模型将使用多查询注意力 (MQA),否则将使用 GQA。在将多头检查点转换为 GQA 检查点时,每个组键和值头应通过对该组中所有原始头进行平均池化来构建。有关更多详细信息,请查看 这篇论文。如果未指定,则默认为num_attention_heads
。 - resid_pdrop (
float
, 可选, 默认为 0.0) — mlp 输出的 dropout 概率。 - embd_pdrop (
int
, 可选, 默认为 0.0) — 嵌入的 dropout 比率。 - max_position_embeddings (
int
,可选,默认为 2048) — 此模型可能使用的最大序列长度。Phi-1 和 Phi-1.5 支持最多 2048 个 token。 - initializer_range (
float
,可选,默认为 0.02) — 初始化所有权重矩阵的截断正态初始化器的标准差。 - layer_norm_eps (
float
,可选,默认为 1e-05) — rms 归一化层使用的 epsilon。 - use_cache (
bool
,可选,默认为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)。仅当config.is_decoder=True
时才相关。是否绑定权重嵌入。 - tie_word_embeddings (
bool
,可选,默认为False
) — 是否绑定权重嵌入 - rope_theta (
float
,可选,默认为 10000.0) — RoPE 嵌入的基本周期。 - rope_scaling (
Dict
,可选) — 包含 RoPE 嵌入缩放配置的字典。注意:如果您应用新的 rope 类型,并且您期望模型在更长的max_position_embeddings
上工作,我们建议您相应地更新此值。预期内容:rope_type
(str
):要使用的 RoPE 的子变体。可以是 [‘default’, ‘linear’, ‘dynamic’, ‘yarn’, ‘longrope’, ‘llama3’] 中的一个,其中 ‘default’ 是原始 RoPE 实现。factor
(float
,可选):与除 ‘default’ 之外的所有 rope 类型一起使用。要应用于 RoPE 嵌入的缩放因子。在大多数缩放类型中,factor
为 x 将使模型能够处理长度为 x * 原始最大预训练长度的序列。original_max_position_embeddings
(int
,可选):与 ‘dynamic’, ‘longrope’ 和 ‘llama3’ 一起使用。预训练期间使用的原始最大位置嵌入。attention_factor
(float
,可选):与 ‘yarn’ 和 ‘longrope’ 一起使用。要应用于注意力计算的缩放因子。如果未指定,则默认为实现建议的值,使用factor
字段推断建议值。beta_fast
(float
,可选):仅与 ‘yarn’ 一起使用。设置线性斜坡函数中外推(仅)边界的参数。如果未指定,则默认为 32。beta_slow
(float
,可选):仅与 ‘yarn’ 一起使用。设置线性斜坡函数中插值(仅)边界的参数。如果未指定,则默认为 1。short_factor
(List[float]
,可选):仅与 ‘longrope’ 一起使用。要应用于短上下文(<original_max_position_embeddings
)的缩放因子。必须是与隐藏大小相同长度的数字列表,除以注意力头的数量除以 2long_factor
(List[float]
,可选):仅与 ‘longrope’ 一起使用。要应用于长上下文(<original_max_position_embeddings
)的缩放因子。必须是与隐藏大小相同长度的数字列表,除以注意力头的数量除以 2low_freq_factor
(float
,可选):仅与 ‘llama3’ 一起使用。应用于 RoPE 低频分量的缩放因子high_freq_factor
(float
,可选):仅与 ‘llama3’ 一起使用。应用于 RoPE 高频分量的缩放因子 - partial_rotary_factor (
float
,可选,默认为 0.5) — 将具有旋转嵌入的查询和键的百分比。 - qk_layernorm (
bool
, 可选, 默认为False
) — 是否在投影隐藏状态后对查询和键进行标准化。 - bos_token_id (
int
, 可选, 默认为 1) — 表示序列开始的标记 ID。 - eos_token_id (
int
, 可选, 默认为 2) — 表示序列结束的标记 ID。
这是用于存储 PhiModel 配置的配置类。它用于根据指定的参数实例化 Phi 模型,定义模型架构。使用默认值实例化配置将产生与 Phi microsoft/phi-1 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 的文档以了解更多信息。
示例
>>> from transformers import PhiModel, PhiConfig
>>> # Initializing a Phi-1 style configuration
>>> configuration = PhiConfig.from_pretrained("microsoft/phi-1")
>>> # Initializing a model from the configuration
>>> model = PhiModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.config
PhiModel
class transformers.PhiModel
< 源代码 >( config: PhiConfig )
参数
- config (PhiConfig) — 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,仅加载配置。查看 from_pretrained() 方法以加载模型权重。config — PhiConfig
不带任何特定头的基本 Phi 模型,输出原始隐藏状态。此模型继承自 PreTrainedModel。查看超类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、调整输入嵌入大小、修剪头等)。
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 文档以获取与一般用法和行为相关的所有内容。
包含 config.num_hidden_layers 层的 Transformer 解码器。每一层都是一个 PhiDecoderLayer
正向传播
< 源代码 > ( 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 cache_position: Optional = None )
参数
- input_ids (形状为
(batch_size, sequence_length)
的torch.LongTensor
) — 词汇表中输入序列标记的索引。如果您提供填充,则默认情况下会忽略填充。可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor
形状为(batch_size, sequence_length)
,可选) — 用于避免对填充标记索引执行注意力操作的掩码。掩码值选择在[0, 1]
中:- 1 表示未被掩码的标记,
- 0 表示被掩码的标记。
可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
如果使用
past_key_values
,则可以选择仅输入最后一个input_ids
(参见past_key_values
)。如果要更改填充行为,则应阅读
modeling_opt._prepare_decoder_attention_mask
并根据您的需要进行修改。有关默认策略的更多信息,请参阅 论文 中的图 1。- 1 表示头部未被掩码,
- 0 表示头部被掩码。
- position_ids (
torch.LongTensor
形状为(batch_size, sequence_length)
,可选) — 输入序列中每个标记在位置嵌入中的位置索引。选择范围为[0, config.n_positions - 1]
。 - past_key_values (
Cache
或tuple(tuple(torch.FloatTensor))
,可选) — 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),可用于加速顺序解码。这通常包含模型在解码的先前阶段返回的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。这也被称为传统缓存格式。
模型将输出与输入相同的缓存格式。如果未传递
past_key_values
,则将返回传统缓存格式。如果使用
past_key_values
,则用户可以选择仅输入最后一个input_ids
(那些没有将其过去的键值状态提供给此模型的)形状为(batch_size, 1)
,而不是所有input_ids
形状为(batch_size, sequence_length)
。 - 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
。如果您希望对如何将input_ids
索引转换为关联向量进行更多控制,而不是模型的内部嵌入查找矩阵,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
。 - return_dict (
bool
,可选) — 是否返回 ModelOutput 而不是普通元组。 - cache_position (
torch.LongTensor
形状为(sequence_length)
,可选) — 表示输入序列标记在序列中的位置的索引。与position_ids
相反,此张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。
PhiModel 的 forward 方法覆盖了 __call__
特殊方法。
尽管前向传播的配方需要在此函数内定义,但之后应该调用Module
实例而不是此函数,因为前者负责运行预处理和后处理步骤,而后者则会静默地忽略它们。
PhiForCausalLM
正向传播
< 源代码 > ( 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 cache_position: Optional = None num_logits_to_keep: int = 0 ) → transformers.modeling_outputs.CausalLMOutputWithPast 或 tuple(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,则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() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor
形状为(batch_size, sequence_length)
, 可选) — 用于避免对填充标记索引执行注意力的掩码。在[0, 1]
中选择掩码值:- 1 表示未掩码的标记,
- 0 表示掩码的标记。
可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
如果使用
past_key_values
,则可以选择仅输入最后一个input_ids
(其过去键值状态未提供给此模型)形状为(batch_size, 1)
而不是所有形状为(batch_size, sequence_length)
的input_ids
。如果您想更改填充行为,您应该阅读
modeling_opt._prepare_decoder_attention_mask
并根据您的需要进行修改。有关默认策略的更多信息,请参阅 论文 中的图 1。- 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) — 位置嵌入中每个输入序列标记的位置索引。在[0, config.n_positions - 1]
范围内选择。 - past_key_values (
Cache
或tuple(tuple(torch.FloatTensor))
, 可选) — 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),可用于加速顺序解码。这通常包括模型在解码的先前阶段返回的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(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。这也被称为旧的缓存格式。
模型将输出与作为输入馈送的相同的缓存格式。如果未传递
past_key_values
,则将返回旧的缓存格式。如果使用
past_key_values
,则用户可以选择仅输入最后一个input_ids
(其过去键值状态未提供给此模型)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。 - 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
。 - return_dict (
bool
,可选) — 是否返回 ModelOutput 而不是普通元组。 - cache_position (
torch.LongTensor
形状为(sequence_length)
,可选) — 描述输入序列令牌在序列中的位置的索引。与position_ids
相反,此张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。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。索引应在[0, ..., config.vocab_size]
或 -100 中(请参阅input_ids
文档字符串)。索引设置为-100
的令牌将被忽略(掩码),仅针对标签在[0, ..., config.vocab_size]
中的令牌计算损失。num_logits_to_keep (
int
,可选):计算最后num_logits_to_keep
个令牌的 logits。如果为0
,则计算所有input_ids
的 logits(特殊情况)。生成只需要最后一个令牌的 logits,并且仅为该令牌计算它们可以节省内存,这对于长序列或大型词汇量来说非常重要。
返回
transformers.modeling_outputs.CausalLMOutputWithPast 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.CausalLMOutputWithPast 或 torch.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 (PhiConfig) 和输入而变化的各种元素。
-
loss (
torch.FloatTensor
形状为(1,)
,可选,当提供labels
时返回) — 语言建模损失(用于下一个令牌预测)。 -
logits (
torch.FloatTensor
形状为(batch_size, sequence_length, config.vocab_size)
) — 语言建模头的预测分数(SoftMax 之前每个词汇表令牌的分数)。 -
past_key_values (
tuple(tuple(torch.FloatTensor))
,可选,当传递use_cache=True
或当config.use_cache=True
时返回) — 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。包含预计算的隐藏状态(自注意力块中的键和值),可用于(请参阅
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
或当config.output_hidden_states=True
时返回) —torch.FloatTensor
的元组(一个用于嵌入的输出,如果模型具有嵌入层,则加一个用于每一层的输出),形状为(batch_size, sequence_length, hidden_size)
。模型在每一层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=True
或当config.output_attentions=True
时返回) —torch.FloatTensor
的元组(每一层一个),形状为(batch_size, num_heads, sequence_length, sequence_length)
。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。
PhiForCausalLM 的 forward 方法覆盖了 __call__
特殊方法。
尽管前向传播的配方需要在此函数内定义,但之后应该调用Module
实例而不是此函数,因为前者负责运行预处理和后处理步骤,而后者则会静默地忽略它们。
示例
>>> from transformers import AutoTokenizer, PhiForCausalLM
>>> model = PhiForCausalLM.from_pretrained("microsoft/phi-1")
>>> tokenizer = AutoTokenizer.from_pretrained("microsoft/phi-1")
>>> prompt = "This is an example script ."
>>> 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]
'This is an example script .\n\n\n\nfrom typing import List\n\ndef find_most_common_letter(words: List[str'
生成
< 源代码 > ( inputs: Optional = None generation_config: Optional = None logits_processor: Optional = None stopping_criteria: Optional = None prefix_allowed_tokens_fn: Optional = None synced_gpus: Optional = None assistant_model: Optional = None streamer: Optional = None negative_prompt_ids: Optional = None negative_prompt_attention_mask: Optional = None **kwargs ) → ModelOutput 或 torch.LongTensor
参数
- inputs (
torch.Tensor
,其形状取决于模态,可选) — 用于生成提示或作为编码器模型输入的序列。如果为None
,则该方法会用bos_token_id
和 1 的批大小初始化它。对于解码器专用模型,inputs
应采用input_ids
的格式。对于编码器-解码器模型,inputs 可以表示input_ids
、input_values
、input_features
或pixel_values
中的任何一个。 - generation_config (GenerationConfig,可选) — 用作生成调用的基本参数化的生成配置。传递给 generate 的
**kwargs
与generation_config
的属性匹配将覆盖它们。如果未提供generation_config
,则将使用默认值,其加载优先级如下:1) 来自generation_config.json
模型文件(如果存在);2) 来自模型配置。请注意,未指定的参数将继承 GenerationConfig 的默认值,应检查其文档以参数化生成。 - logits_processor (
LogitsProcessorList
,可选) — 补充从参数和生成配置构建的默认 logits 处理器的自定义 logits 处理器。如果传递的 logit 处理器已使用参数或生成配置创建,则会抛出错误。此功能适用于高级用户。 - stopping_criteria (
StoppingCriteriaList
,可选) — 补充从参数和生成配置构建的默认停止条件的自定义停止条件。如果传递的停止条件已使用参数或生成配置创建,则会抛出错误。如果您的停止条件依赖于scores
输入,请确保将return_dict_in_generate=True, output_scores=True
传递给generate
。此功能适用于高级用户。 - prefix_allowed_tokens_fn (
Callable[[int, torch.Tensor], List[int]]
,可选) — 如果提供,此函数会将束搜索限制在每个步骤仅允许的标记上。如果未提供,则不应用任何约束。此函数接受 2 个参数:批 IDbatch_id
和input_ids
。它必须返回一个列表,其中包含根据批 IDbatch_id
和先前生成的标记inputs_ids
确定下一生成步骤的允许标记。此参数对于受前缀约束的生成很有用,如 Autoregressive Entity Retrieval 中所述。 - synced_gpus (
bool
,可选) — 是否继续运行 while 循环直到 max_length。除非覆盖,否则此标志将在 DeepSpeed ZeRO Stage 3 多 GPU 环境下设置为True
,以避免在某个 GPU 完成生成之前其他 GPU 停止。否则,它将设置为False
。 - assistant_model (
PreTrainedModel
,可选) — 可用于加速生成的辅助模型。辅助模型必须具有完全相同的标记器。当使用辅助模型预测候选标记的速度比使用您从中调用 generate 的模型运行生成的速度快得多时,可以实现加速。因此,辅助模型应该更小。 - streamer (
BaseStreamer
,可选) — 用于流式传输生成序列的流式传输对象。生成的 token 通过streamer.put(token_ids)
传递,流式传输对象负责任何进一步的处理。 - negative_prompt_ids (
torch.LongTensor
形状为(batch_size, sequence_length)
,可选) — 一些处理器(如 CFG)所需的负向提示。批大小必须与输入批大小匹配。这是一个实验性功能,在未来版本中可能会更改 API。 - negative_prompt_attention_mask (
torch.LongTensor
形状为(batch_size, sequence_length)
,可选) —negative_prompt_ids
的注意力掩码。 - kwargs (
Dict[str, Any]
,可选) —generation_config
的临时参数化和/或将转发到模型forward
函数的其他特定于模型的关键字参数。如果模型是编码器-解码器模型,则编码器特定的关键字参数不应加前缀,解码器特定的关键字参数应以 decoder_ 为前缀。
返回
ModelOutput 或 torch.LongTensor
ModelOutput(如果 return_dict_in_generate=True
或 config.return_dict_in_generate=True
)或 torch.LongTensor
。
如果模型不是编码器-解码器模型(model.config.is_encoder_decoder=False
),则可能的 ModelOutput 类型为
如果模型是编码器-解码器模型(model.config.is_encoder_decoder=True
),则可能的 ModelOutput 类型为
为具有语言建模头的模型生成 token ID 序列。
大多数生成控制参数都设置在 generation_config
中,如果未传递,则将其设置为模型的默认生成配置。可以通过将相应的参数传递给 generate() 来覆盖任何 generation_config
,例如 .generate(inputs, num_beams=4, do_sample=True)
。
有关生成策略和代码示例的概述,请查看以下指南。
PhiForSequenceClassification
类 transformers.PhiForSequenceClassification
< 源代码 >( config )
参数
- config (PhiConfig) — 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() 方法以加载模型权重。
在顶部具有序列分类头的 PhiModel(线性层)。
PhiForSequenceClassification 使用最后一个 token 进行分类,就像其他因果模型(例如 GPT-2)一样。
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
,则它会找到每行中不是填充 token 的最后一个 token。如果未定义 pad_token_id
,则它只需获取批处理中每行中的最后一个值。由于它无法在传递 inputs_embeds
而不是 input_ids
时猜测填充 token,因此它执行相同的操作(获取批处理中每行中的最后一个值)。
此模型继承自 PreTrainedModel。查看超类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、修剪 head 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 文档以获取与一般用法和行为相关的所有内容。
正向传播
< 源代码 > ( input_ids: Optional = None attention_mask: Optional = None position_ids: Optional = None past_key_values: Union = 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)
) — 词汇表中输入序列标记的索引。默认情况下,如果您提供填充,则填充将被忽略。可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor
形状为(batch_size, sequence_length)
,可选) — 用于避免对填充标记索引执行注意力的掩码。掩码值选择在[0, 1]
中:- 1 表示未被掩盖的标记,
- 0 表示被掩盖的标记。
可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
如果使用了
past_key_values
,则可以选择仅输入最后的input_ids
(那些没有为此模型提供过去键值状态的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
并根据您的需要进行修改。有关默认策略的更多信息,请参阅 论文 中的图 1。- 1 表示头部未被掩盖,
- 0 表示头部被掩盖。
- 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。选择范围为[0, config.n_positions - 1]
。 - past_key_values (
Cache
或tuple(tuple(torch.FloatTensor))
,可选) — 预计算的隐藏状态(自注意力块和交叉注意力块中的键和值),可用于加速顺序解码。这通常包括模型在解码的先前阶段返回的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。这也称为传统缓存格式。
模型将输出与输入相同的缓存格式。如果未传递
past_key_values
,则将返回传统缓存格式。如果使用了
past_key_values
,则用户可以选择仅输入最后的input_ids
(那些没有为此模型提供过去键值状态的input_ids
),形状为(batch_size, 1)
,而不是所有input_ids
,形状为(batch_size, sequence_length)
。 - 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。 - 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
。 - return_dict (
bool
, 可选) — 是否返回 ModelOutput 而不是普通元组。 - cache_position (
torch.LongTensor
形状为(sequence_length)
, 可选) — 表示输入序列标记在序列中的位置的索引。与position_ids
相反,此张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。 - labels (
torch.LongTensor
形状为(batch_size,)
, 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]
范围内。如果config.num_labels == 1
,则计算回归损失(均方误差损失),如果config.num_labels > 1
,则计算分类损失(交叉熵损失)。
The PhiForSequenceClassification 前向方法覆盖了 __call__
特殊方法。
尽管前向传播的配方需要在此函数内定义,但之后应该调用Module
实例而不是此函数,因为前者负责运行预处理和后处理步骤,而后者则会静默地忽略它们。
PhiForTokenClassification
类 transformers.PhiForTokenClassification
< 源代码 >( config: PhiConfig )
参数
- config (PhiConfig) — 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,仅加载配置。查看 from_pretrained() 方法以加载模型权重。
PhiModel 在顶部具有标记分类头(隐藏状态输出顶部的线性层),例如用于命名实体识别 (NER) 任务。
此模型继承自 PreTrainedModel。查看超类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、修剪 head 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 文档以获取与一般用法和行为相关的所有内容。
正向传播
< 源代码 > ( input_ids: Optional = None past_key_values: Optional = None attention_mask: 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 **deprecated_arguments ) → transformers.modeling_outputs.TokenClassifierOutput 或 tuple(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,则默认情况下会忽略填充。可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (
torch.Tensor
形状为(batch_size, sequence_length)
,可选) — 用于避免对填充标记索引执行注意力操作的掩码。掩码值选择在[0, 1]
中:- 1 表示未被掩码的标记,
- 0 表示被掩码的标记。
可以使用 AutoTokenizer 获取索引。有关详细信息,请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
如果使用
past_key_values
,则可以选择仅输入最后一个input_ids
(参见past_key_values
)。如果要更改填充行为,则应阅读
modeling_opt._prepare_decoder_attention_mask
并根据您的需要进行修改。有关默认策略的更多信息,请参阅 论文 中的图 1。- 1 表示头部未被掩码,
- 0 表示头部被掩码。
- 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。选择范围为[0, config.n_positions - 1]
。 - past_key_values (
Cache
或tuple(tuple(torch.FloatTensor))
,可选) — 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),可用于加速顺序解码。这通常包括模型在解码的先前阶段返回的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,每个元组具有 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。如果未传递
past_key_values
,则将返回旧版缓存格式。如果使用
past_key_values
,则用户可以选择仅输入形状为(batch_size, 1)
的最后一个input_ids
(其过去键值状态未提供给此模型),而不是形状为(batch_size, sequence_length)
的所有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。 - 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
。 - return_dict (
bool
,可选) — 是否返回 ModelOutput 而不是普通元组。 - cache_position (
torch.LongTensor
形状为(sequence_length)
,可选) — 描述输入序列标记在序列中的位置的索引。与position_ids
不同,此张量不受填充的影响。它用于在正确的位置更新缓存并推断完整的序列长度。 - labels (
torch.LongTensor
形状为(batch_size,)
,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]
范围内。如果config.num_labels == 1
,则计算回归损失(均方误差损失),如果config.num_labels > 1
,则计算分类损失(交叉熵损失)。
返回
transformers.modeling_outputs.TokenClassifierOutput 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.TokenClassifierOutput 或一个 torch.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 (PhiConfig) 和输入而变化的各种元素。
-
loss (
torch.FloatTensor
形状为(1,)
,可选,当提供labels
时返回) — 分类损失。 -
logits (
torch.FloatTensor
形状为(batch_size, sequence_length, config.num_labels)
) — 分类得分(在 SoftMax 之前)。 -
hidden_states (
tuple(torch.FloatTensor)
,可选,当传递output_hidden_states=True
或当config.output_hidden_states=True
时返回) —torch.FloatTensor
的元组(一个用于嵌入的输出,如果模型具有嵌入层,则加一个用于每一层的输出),形状为(batch_size, sequence_length, hidden_size)
。模型在每一层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=True
或当config.output_attentions=True
时返回) —torch.FloatTensor
的元组(每一层一个),形状为(batch_size, num_heads, sequence_length, sequence_length)
。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。
The PhiForTokenClassification 前向方法,重写了 __call__
特殊方法。
尽管前向传播的配方需要在此函数内定义,但之后应该调用Module
实例而不是此函数,因为前者负责运行预处理和后处理步骤,而后者则会静默地忽略它们。
示例
>>> from transformers import AutoTokenizer, PhiForTokenClassification
>>> import torch
>>> tokenizer = AutoTokenizer.from_pretrained("microsoft/phi-1")
>>> model = PhiForTokenClassification.from_pretrained("microsoft/phi-1")
>>> inputs = tokenizer(
... "HuggingFace is a company based in Paris and New York", add_special_tokens=False, return_tensors="pt"
... )
>>> with torch.no_grad():
... logits = model(**inputs).logits
>>> predicted_token_class_ids = logits.argmax(-1)
>>> # Note that tokens are classified rather then input words which means that
>>> # there might be more predicted token classes than words.
>>> # Multiple token classes might account for the same word
>>> predicted_tokens_classes = [model.config.id2label[t.item()] for t in predicted_token_class_ids[0]]
>>> labels = predicted_token_class_ids
>>> loss = model(**inputs, labels=labels).loss