Transformers 文档

RecurrentGemma

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

RecurrentGemma

PyTorch

概述

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

论文摘要如下:

我们引入了 RecurrentGemma,这是一种使用 Google 创新的 Griffin 架构的开放语言模型。Griffin 结合了线性递归和局部注意力机制,在语言任务上实现了卓越的性能。它具有固定大小的状态,可减少内存使用并实现对长序列的高效推理。我们提供了一个预训练模型(20 亿非嵌入参数)和一个指令微调变体。尽管这些模型在较少的 tokens 上进行训练,但其性能与 Gemma-2B 相当。

技巧

该模型由 Arthur Zucker 贡献。原始代码可在 此处 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, 默认值为 26) — 模型中的隐藏层数量。
  • vocab_size (int, 可选, 默认值为 256000) — RecurrentGemma 模型的词汇表大小。定义了调用 RecurrentGemmaModel 时传入的 inputs_ids 可以表示的不同 token 的数量。
  • hidden_size (int, 可选, 默认值为 2560) — 隐藏表示的维度。
  • intermediate_size (int, 可选, 默认值为 7680) — MLP 表示的维度。
  • num_attention_heads (int, 可选, 默认值为 10) — 注意力块中的头数量以及 RG-LRU 门中使用的块对角层中的头/块数量。此数字必须能整除 hidden_sizelru_width
  • lru_width (intNone, 可选) — RG-LRU 隐藏表示的维度。如果为 None,则设置为 hidden_size。是否通过 sqrt(hidden_size) 对嵌入的输出进行缩放。
  • attention_window_size (int, 可选, 默认值为 2048) — 注意力块中使用的注意力窗口大小。
  • conv1d_width (int, 可选, 默认值为 4) — 循环块中使用的 conv1d 层的核大小。
  • logits_soft_cap (float, 可选, 默认值为 30.0) — 在 Causal LM 架构中,变压器和 LM-head 计算后,logits 应该软上限的值。
  • rms_norm_eps (float, 可选, 默认值为 1e-06) — rms 归一化层使用的 epsilon 值。
  • use_cache (bool, 可选, 默认值为 True) — 模型是否应返回最后一个键/值注意力(并非所有模型都使用)。仅当 config.is_decoder=True 时才相关。
  • pad_token_id (int, 可选, 默认值为 0) — 填充 token ID。
  • eos_token_id (int, 可选, 默认值为 1) — 流结束 token ID。
  • bos_token_id (int, 可选, 默认值为 2) — 流开始 token ID。
  • hidden_activation (str` 或 `function, 可选, 默认值为 "gelu_pytorch_tanh") — 循环块和解码器层 MLP 中使用的隐藏激活函数。
  • partial_rotary_factor (float, 可选, 默认值为 0.5) — 旋转嵌入初始化中使用的部分旋转因子。
  • rope_theta (float, 可选, 默认值为 10000.0) — RoPE 嵌入的基周期。
  • block_types (list[str], 可选, 默认值为 ('recurrent', 'recurrent', 'attention')) — 将重复以初始化 temporal_block 层的交替块列表。
  • attention_dropout (float, 可选, 默认值为 0.0) — 注意力 softmax 之后使用的 dropout 值。
  • num_key_value_heads (16, 可选, 默认值为 16) — 用于 GQA 的键值头数量。
  • attention_bias (bool, 可选, 默认值为 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, 默认值为 0.01) — 权重初始化方差。

这是一个用于存储 RecurrentGemmaModel 配置的配置类。它用于根据指定的参数实例化 RecurrentGemma 模型,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,请参阅 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

RecurrentGemmaModel

class transformers.RecurrentGemmaModel

< >

( config: RecurrentGemmaConfig )

参数

  • config (RecurrentGemmaConfig) — 模型配置类,包含模型的所有参数。用配置文件初始化不会加载与模型相关的权重,只会加载配置。请查阅 from_pretrained() 方法来加载模型权重。

裸露的 Recurrent Gemma 模型,直接输出原始隐藏状态,顶部没有任何特定头部。

此模型继承自 PreTrainedModel。查阅超类文档以了解库为其所有模型实现的通用方法(如下载或保存、调整输入嵌入大小、修剪头部等)。

此模型也是 PyTorch torch.nn.Module 子类。将其作为常规 PyTorch 模块使用,并参考 PyTorch 文档了解所有与通用用法和行为相关的事项。

forward

< >

( input_ids: typing.Optional[torch.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 ) transformers.modeling_outputs.BaseModelOutputWithNoAttentiontuple(torch.FloatTensor)

参数

  • input_ids (torch.LongTensor,形状为 (batch_size, sequence_length)可选) — 词汇表中输入序列 token 的索引。默认情况下会忽略填充。

    索引可以通过 AutoTokenizer 获取。详情请参阅 PreTrainedTokenizer.encode()PreTrainedTokenizer.call()

    什么是输入 ID?

  • position_ids (torch.LongTensor,形状为 (batch_size, sequence_length)可选) — 每个输入序列 token 在位置嵌入中的位置索引。选择范围为 [0, config.n_positions - 1]

    什么是位置 ID?

  • attention_mask (torch.Tensor,形状为 (batch_size, sequence_length)可选) — 遮罩,用于避免对填充 token 索引执行注意力操作。遮罩值选择范围为 [0, 1]

    • 1 表示未遮罩的 token,
    • 0 表示已遮罩的 token。

    什么是注意力遮罩?

  • cache_position (torch.LongTensor,形状为 (sequence_length)可选) — 序列中输入序列 token 位置的索引。与 position_ids 不同,此张量不受填充影响。它用于在正确位置更新缓存并推断完整的序列长度。
  • inputs_embeds (torch.FloatTensor,形状为 (batch_size, sequence_length, hidden_size)可选) — (可选)不传入 input_ids,而是直接传入嵌入表示。如果你想更精细地控制如何将 input_ids 索引转换为关联向量,而不是使用模型内部的嵌入查找矩阵,这将非常有用。
  • use_cache (bool, 可选) — 如果设置为 True,将返回 past_key_values 键值状态,可用于加速解码(参见 past_key_values)。
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。更多详情请参阅返回张量下的 hidden_states
  • return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通的元组。

返回

transformers.modeling_outputs.BaseModelOutputWithNoAttentiontuple(torch.FloatTensor)

一个 transformers.modeling_outputs.BaseModelOutputWithNoAttention 或一个 torch.FloatTensor 的元组(如果传入了 return_dict=Falseconfig.return_dict=False),包含根据配置 (RecurrentGemmaConfig) 和输入的不同元素。

  • last_hidden_state (torch.FloatTensor, 形状为 (batch_size, num_channels, height, width)) — 模型最后一层输出的隐藏状态序列。

  • hidden_states (tuple(torch.FloatTensor)可选,当传入 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 的元组(一个用于嵌入层的输出(如果模型有嵌入层),加上每个层的输出),形状为 (batch_size, num_channels, height, width)

    模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

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

尽管前向传播的实现需要在该函数中定义,但之后应调用 Module 实例而不是该函数,因为前者会处理预处理和后处理步骤,而后者会默默忽略它们。

RecurrentGemmaForCausalLM

class transformers.RecurrentGemmaForCausalLM

< >

( config )

参数

  • config (RecurrentGemmaForCausalLM) — 模型配置类,包含模型的所有参数。用配置文件初始化不会加载与模型相关的权重,只会加载配置。请查阅 from_pretrained() 方法来加载模型权重。

用于因果语言建模的 Recurrent Gemma 模型。

此模型继承自 PreTrainedModel。查阅超类文档以了解库为其所有模型实现的通用方法(如下载或保存、调整输入嵌入大小、修剪头部等)。

此模型也是 PyTorch torch.nn.Module 子类。将其作为常规 PyTorch 模块使用,并参考 PyTorch 文档了解所有与通用用法和行为相关的事项。

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)可选) — 词汇表中输入序列 token 的索引。默认情况下会忽略填充。

    索引可以通过 AutoTokenizer 获取。详情请参阅 PreTrainedTokenizer.encode()PreTrainedTokenizer.call()

    什么是输入 ID?

  • position_ids (torch.LongTensor,形状为 (batch_size, sequence_length)可选) — 每个输入序列 token 在位置嵌入中的位置索引。选择范围为 [0, config.n_positions - 1]

    什么是位置 ID?

  • cache_position (torch.LongTensor,形状为 (sequence_length)可选) — 序列中输入序列 token 位置的索引。与 position_ids 不同,此张量不受填充影响。它用于在正确位置更新缓存并推断完整的序列长度。
  • attention_mask (torch.Tensor,形状为 (batch_size, sequence_length)可选) — 遮罩,用于避免对填充 token 索引执行注意力操作。遮罩值选择范围为 [0, 1]

    • 1 表示未遮罩的 token,
    • 0 表示已遮罩的 token。

    什么是注意力遮罩?

  • inputs_embeds (torch.FloatTensor,形状为 (batch_size, sequence_length, hidden_size)可选) — (可选)不传入 input_ids,而是直接传入嵌入表示。如果你想更精细地控制如何将 input_ids 索引转换为关联向量,而不是使用模型内部的嵌入查找矩阵,这将非常有用。
  • labels (torch.LongTensor,形状为 (batch_size, sequence_length)可选) — 用于计算遮罩语言建模损失的标签。索引应在 [0, ..., config.vocab_size] 或 -100 之间(参见 input_ids 文档字符串)。索引设置为 -100 的 token 将被忽略(遮罩),损失仅针对标签在 [0, ..., config.vocab_size] 中的 token 计算。
  • output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。更多详情请参阅返回张量下的 hidden_states
  • return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通的元组。
  • use_cache (bool, 可选) — 如果设置为 True,将返回 past_key_values 键值状态,可用于加速解码(参见 past_key_values)。

返回

transformers.modeling_outputs.CausalLMOutputtuple(torch.FloatTensor)

一个 transformers.modeling_outputs.CausalLMOutput 或一个 torch.FloatTensor 的元组(如果传入了 return_dict=Falseconfig.return_dict=False),包含根据配置 (RecurrentGemmaConfig) 和输入的不同元素。

  • 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 token 预测)。

  • logits (形状为 (batch_size, sequence_length, config.vocab_size)torch.FloatTensor) — 语言建模头部的预测分数(SoftMax 之前的每个词汇标记的分数)。

  • hidden_states (tuple(torch.FloatTensor)可选,当传入 output_hidden_states=Trueconfig.output_hidden_states=True 时返回) — torch.FloatTensor 的元组(一个用于嵌入层的输出(如果模型有嵌入层),加上每个层的输出),形状为 (batch_size, sequence_length, hidden_size)

    模型在每个层输出的隐藏状态以及可选的初始嵌入输出。

  • attentions (tuple(torch.FloatTensor)可选,当传入 output_attentions=Trueconfig.output_attentions=True 时返回) — torch.FloatTensor 的元组(每个层一个),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。

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

尽管前向传播的实现需要在该函数中定义,但之后应调用 Module 实例而不是该函数,因为前者会处理预处理和后处理步骤,而后者会默默忽略它们。

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