Transformers 文档

RecurrentGemma

Hugging Face's logo
加入 Hugging Face 社区

并获取增强的文档体验

开始使用

RecurrentGemma

PyTorch

概述

Recurrent Gemma 模型由 Google 的 Griffin、RLHF 和 Gemma 团队在 RecurrentGemma: Moving Past Transformers for Efficient Open Language Models 中提出。

该论文的摘要如下:

我们介绍了 RecurrentGemma,这是一个开放语言模型,它使用了 Google 创新的 Griffin 架构。Griffin 结合了线性循环和局部注意力机制,在语言任务上实现了卓越的性能。它具有固定大小的状态,从而减少了内存使用,并能够在长序列上进行高效的推理。我们提供了一个预训练模型,包含 2B 非嵌入参数,以及一个指令微调变体。尽管在更少的 tokens 上训练,这两个模型都取得了与 Gemma-2B 相当的性能。

提示

此模型由 Arthur Zucker 贡献。原始代码可以在这里找到。

RecurrentGemmaConfig

class transformers.RecurrentGemmaConfig

< >

( num_hidden_layers = 26 vocab_size = 256000 hidden_size = 2560 intermediate_size = 7680 num_attention_heads = 10 lru_width = None attention_window_size = 2048 conv1d_width = 4 logits_soft_cap = 30.0 rms_norm_eps = 1e-06 use_cache = True pad_token_id = 0 eos_token_id = 1 bos_token_id = 2 hidden_activation = 'gelu_pytorch_tanh' partial_rotary_factor = 0.5 rope_theta = 10000.0 block_types = ('recurrent', 'recurrent', 'attention') attention_dropout = 0.0 num_key_value_heads = None attention_bias = False w_init_variance_scale = 0.01 **kwargs )

参数

  • num_hidden_layers (int, 可选, 默认为 26) — 模型中隐藏层的数量。
  • vocab_size (int, 可选, 默认为 256000) — RecurrentGemma 模型的词汇表大小。定义了调用 RecurrentGemmaModel 时传递的 inputs_ids 可以表示的不同 tokens 的数量。
  • hidden_size (int, 可选, 默认为 2560) — 隐藏层表示的维度。
  • intermediate_size (int, 可选, 默认为 7680) — MLP 表示的维度。
  • num_attention_heads (int, 可选, 默认为 10) — 注意力块的 head 数量,以及 RG-LRU 门控中使用的块对角线层的 head/block 数量。此数字必须能被 hidden_sizelru_width 整除。
  • lru_width (intNone, 可选) — RG-LRU 隐藏层表示的维度。如果为 None,则将其设置为 hidden_size。是否按 sqrt(hidden_size) 缩放 embeddings 的输出。
  • attention_window_size (int, 可选, 默认为 2048) — 注意力块中使用的注意力窗口大小。
  • conv1d_width (int, 可选, 默认为 4) — 循环块中使用的 conv1d 层的内核大小。
  • logits_soft_cap (float, 可选, 默认为 30.0) — 在因果 LM 架构中的 transformer 和 LM-head 计算之后,logits 应该被软上限的值。
  • rms_norm_eps (float, 可选, 默认为 1e-06) — rms 归一化层使用的 epsilon 值。
  • use_cache (bool, 可选, 默认为 True) — 模型是否应返回最后的 key/values 注意力 (并非所有模型都使用)。仅当 config.is_decoder=True 时相关。
  • pad_token_id (int, 可选, 默认为 0) — 填充 token id。
  • eos_token_id (int, 可选, 默认为 1) — 流结束 token id。
  • bos_token_id (int, 可选, 默认为 2) — 流开始 token id。
  • hidden_activation (strfunction, 可选, 默认为 "gelu_pytorch_tanh") — 循环块以及解码器层的 MLP 层中使用的隐藏层激活函数。
  • partial_rotary_factor (float, 可选, 默认为 0.5) — 旋转 embeddings 初始化中使用的部分旋转因子。
  • rope_theta (float, 可选, 默认为 10000.0) — RoPE embeddings 的基期。
  • block_types (List[str], 可选, 默认为 ('recurrent', 'recurrent', 'attention')) — 将重复用于初始化 temporal_block 层的交替块的列表。
  • attention_dropout (float, 可选, 默认为 0.0) — 在注意力 softmax 之后使用的 dropout 值。
  • num_key_value_heads (16, 可选, 默认为 16) — 用于 GQA 的 key value heads 的数量。
  • attention_bias (bool, 可选, 默认为 False) — 注意力层的线性 q,k,v 是否应具有偏置。
  • w_init_variance_scale (float, 可选, 默认为 0.01) — 权重初始化方差。

这是用于存储 RecurrentGemmaModel 配置的配置类。它用于根据指定的参数实例化 RecurrentGemma 模型,从而定义模型架构。使用默认值实例化配置将产生与 RecurrentGemma-7B 类似的配置。

例如:google/recurrentgemma-2b

配置对象继承自 PretrainedConfig,可用于控制模型输出。有关更多信息,请阅读 PretrainedConfig 的文档。

>>> from transformers import RecurrentGemmaModel, RecurrentGemmaConfig

>>> # Initializing a RecurrentGemma recurrentgemma-2b style configuration
>>> configuration = RecurrentGemmaConfig()

>>> # Initializing a model from the recurrentgemma-2b style configuration
>>> model = RecurrentGemmaModel(configuration)

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

RecurrentGemma模型

class transformers.RecurrentGemmaModel

< >

( config: RecurrentGemmaConfig )

参数

  • config (RecurrentGemmaConfig) — 带有模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重,仅加载配置。请查看 from_pretrained() 方法来加载模型权重。
  • config — RecurrentGemmaConfig

裸机 RecurrentGemma 模型,输出原始的隐藏状态,顶部没有任何特定的头部。此模型继承自 PreTrainedModel。请查看超类文档,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、剪枝头部等)。

此模型也是 PyTorch torch.nn.Module 子类。可将其用作常规 PyTorch 模块,并参阅 PyTorch 文档以了解与常规用法和行为相关的所有事项。

Transformer 解码器,由 config.num_hidden_layers 层组成。每一层都是一个 RecurrentGemmaDecoderLayer

forward

< >

( input_ids: LongTensor = None position_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.Tensor] = None cache_position: typing.Optional[torch.LongTensor] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None use_cache: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = 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。如果您提供填充,默认情况下将忽略填充。

    索引可以使用 AutoTokenizer 获得。 有关详细信息,请参阅 PreTrainedTokenizer.encode()PreTrainedTokenizer.call()

    什么是输入 IDs?

  • attention_mask (torch.Tensor,形状为 (batch_size, sequence_length)可选) — 避免在 padding 标记索引上执行 attention 的掩码。在 [0, 1] 中选择的掩码值:

    • 1 表示未被掩盖的标记,
    • 0 表示被掩盖的标记。

    什么是 attention 掩码?

    索引可以使用 AutoTokenizer 获得。 有关详细信息,请参阅 PreTrainedTokenizer.encode()PreTrainedTokenizer.call()

  • 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] 中选择。

    什么是位置 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精细地控制如何将 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,并可用于加速解码(请参阅 past_key_values)。
  • 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位置的索引。 与 position_ids 相反,此张量不受 padding 的影响。 它用于在正确的位置更新缓存并推断完整序列长度。

RecurrentGemmaModel 的 forward 方法,覆盖了 __call__ 特殊方法。

尽管 forward 传递的配方需要在该函数中定义,但应该在此之后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者会默默地忽略它们。

RecurrentGemmaForCausalLM

class transformers.RecurrentGemmaForCausalLM

< >

( config )

forward

< >

( input_ids: typing.Optional[torch.LongTensor] = None position_ids: typing.Optional[torch.LongTensor] = None cache_position: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.Tensor] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None labels: typing.Optional[torch.LongTensor] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None use_cache: typing.Optional[bool] = None **kwargs ) transformers.modeling_outputs.CausalLMOutputtuple(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。

    索引可以使用 AutoTokenizer 获得。 有关详细信息,请参阅 PreTrainedTokenizer.encode()PreTrainedTokenizer.call()

    什么是输入 IDs?

  • attention_mask (torch.Tensor,形状为 (batch_size, sequence_length)可选) — 避免在 padding 标记索引上执行 attention 的掩码。在 [0, 1] 中选择的掩码值:

    • 1 表示未被掩盖的标记,
    • 0 表示被掩盖的标记。

    什么是 attention 掩码?

    索引可以使用 AutoTokenizer 获得。 有关详细信息,请参阅 PreTrainedTokenizer.encode()PreTrainedTokenizer.call()

  • 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] 中选择。

    什么是位置 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精细地控制如何将 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,并可用于加速解码(请参阅 past_key_values)。
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。 详见返回张量下的 hidden_states 部分以获取更多细节。
  • return_dict (bool, 可选) — 是否返回 ModelOutput 而不是一个普通的元组。
  • cache_position (torch.LongTensor, 形状为 (sequence_length), 可选) — 索引,描述输入序列 tokens 在序列中的位置。 与 position_ids 相反,此张量不受 padding 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, sequence_length), 可选) — 用于计算 masked language modeling loss 的标签。 索引应该在 [0, ..., config.vocab_size] 或 -100 之间(参见 input_ids 文档字符串)。 索引设置为 -100 的 tokens 将被忽略(masked),loss 仅针对标签在 [0, ..., config.vocab_size] 范围内的 tokens 计算。

返回

transformers.modeling_outputs.CausalLMOutputtuple(torch.FloatTensor)

一个 transformers.modeling_outputs.CausalLMOutputtorch.FloatTensor 的元组 (如果传递了 return_dict=False 或当 config.return_dict=False 时),包含各种元素,具体取决于配置 (RecurrentGemmaConfig) 和输入。

  • 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 token 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 (每个词汇表 token 在 SoftMax 之前的分数)。

  • 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 (如果模型具有 embedding 层,则为 embedding 的输出,+ 每层的输出),形状为 (batch_size, sequence_length, hidden_size)

    模型在每一层输出的隐藏状态,加上可选的初始 embedding 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 (每层一个),形状为 (batch_size, num_heads, sequence_length, sequence_length)

    注意力权重,在 attention softmax 之后,用于计算自注意力头中的加权平均值。

RecurrentGemmaForCausalLM 的 forward 方法,重写了 __call__ 特殊方法。

尽管 forward 传递的配方需要在该函数中定义,但应该在此之后调用 Module 实例,而不是调用此函数,因为前者负责运行预处理和后处理步骤,而后者会默默地忽略它们。

示例

>>> from transformers import AutoTokenizer, RecurrentGemmaForCausalLM

>>> model = RecurrentGemmaForCausalLM.from_pretrained("google/recurrentgemma-2b")
>>> tokenizer = AutoTokenizer.from_pretrained("google/recurrentgemma-2b")

>>> prompt = "What is your favorite condiment?"
>>> 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]
"What is your favorite condiment?"
< > 在 GitHub 上更新