Transformers 文件
dots.llm1
並獲得增強的文件體驗
開始使用
dots.llm1
概述
dots.llm1 模型由 rednote-hilab 團隊在 dots.llm1 技術報告中提出。
報告摘要如下：
混合專家（MoE）模型已成為高效擴充套件語言模型的一種有前景的正規化，它透過僅啟用每個輸入詞元的部分引數來實現。在本報告中，我們介紹了 dots.llm1，一個大規模 MoE 模型，它在總共 142B 引數中啟用 14B 引數，在降低訓練和推理成本的同時，實現了與最先進模型相當的效能。利用我們精心設計的高效資料處理管道，dots.llm1 在高質量語料庫上預訓練並進行後期訓練以充分釋放其能力後，達到了與 Qwen2.5-72B 相當的效能。值得注意的是，預訓練期間沒有使用合成數據。為了促進進一步的研究，我們開源了涵蓋整個訓練過程的中間訓練檢查點，為大型語言模型的學習動態提供了寶貴的見解。
Dots1Config
class transformers.Dots1Config
< 來源 >( 詞彙表大小 = 152064 隱藏層大小 = 4608 中間層大小 = 10944 MoE中間層大小 = 1408 隱藏層數量 = 62 注意力頭數量 = 32 鍵值頭數量 = 32 共享專家數量 = 無 路由專家數量 = 無 組數 = 1 topk_組 = 1 每個詞元的專家數量 = 無 first_k_dense_replace = 0 norm_topk_prob = False 隱藏啟用 = 'silu' 最大位置嵌入 = 2048 初始化範圍 = 0.02 rms_norm_eps = 1e-06 使用快取 = True 繫結詞嵌入 = False rope_theta = 10000.0 rope_scaling = 無 注意力偏置 = False 注意力丟棄 = 0.0 路由縮放因子 = 1.0 滑動視窗 = 4096 最大視窗層 = 62 層型別 = 無 **kwargs )
引數
- vocab_size (
int, 可選, 預設為 152064) — 模型的詞彙表大小。定義了呼叫 Dots1Model 時傳入的input_ids可以表示的不同詞元的數量。 - hidden_size (
int, 可選, 預設為 4608) — 隱藏表示的維度。 - intermediate_size (
int, 可選, 預設為 10944) — MLP 表示的維度。 - moe_intermediate_size (
int, 可選, 預設為 1408) — MoE 表示的維度。 - num_hidden_layers (
int, 可選, 預設為 62) — Transformer 解碼器中的隱藏層數量。 - num_attention_heads (
int, 可選, 預設為 32) — Transformer 解碼器中每個注意力層的注意力頭數量。 - num_key_value_heads (
int, 可選, 預設為 32) — 分組查詢注意力的鍵/值頭數量。如果num_key_value_heads=num_attention_heads，則使用多頭注意力 (MHA)。如果num_key_value_heads=1，則使用多查詢注意力 (MQA)。否則，使用分組查詢注意力 (GQA)。如果未指定，預設為num_attention_heads。 - n_shared_experts (
int, 可選, 預設為 None) — 共享專家的數量。None 表示稠密模型。 - n_routed_experts (
int, 可選, 預設為 None) — 路由專家的數量。None 表示稠密模型。 - n_group (
int, 可選, 預設為 1) — 路由專家的組數。 - topk_group (
int, 可選, 預設為 1) — 每個詞元選擇的組數（僅在topk_group組中選擇專家）。 - num_experts_per_tok (
int, 可選, 預設為 None) — 選擇的專家數量。None 表示稠密模型。 - first_k_dense_replace (
int, 可選, 預設為 0) — 模型開頭第一個 MoE 層之前的稠密層數量。 - norm_topk_prob (
bool, 可選, 預設為False) — 是否對路由專家的權重進行歸一化。 - hidden_act (
str或function, 可選, 預設為"silu") — 非線性啟用函式（函式或字串）。 - max_position_embeddings (
int, 可選, 預設為 2048) — 模型可能使用的最大序列長度。 - initializer_range (
float, 可選, 預設為 0.02) — 用於初始化所有權重矩陣的截斷正態分佈初始化器的標準差。 - rms_norm_eps (
float, 可選, 預設為 1e-06) — RMS 歸一化層使用的 epsilon。 - use_cache (
bool, 可選, 預設為True) — 模型是否應返回最後一個鍵/值注意力。僅在config.is_decoder=True時相關。 - tie_word_embeddings (
bool, 可選, 預設為False) — 是否繫結輸入和輸出詞嵌入。 - rope_theta (
float, 可選, 預設為 10000.0) — RoPE 嵌入的基準週期。 - rope_scaling (
dict, 可選) — RoPE 嵌入的縮放字典。支援{"type": 策略名稱, "factor": 縮放因子}。 - attention_bias (
bool, 可選, 預設為False) — 是否在自注意力投影中使用偏置。 - attention_dropout (
float, 可選, 預設為 0.0) — 注意力機率的丟棄率。 - routed_scaling_factor (
float, 可選, 預設為 1.0) — 路由專家的縮放因子。 - sliding_window (
int, 可選, 預設為 4096) — 注意力滑動視窗的大小。如果未指定，預設為4096。 - max_window_layers (
int, 可選, 預設為 62) — 使用全注意力的層數。前max_window_layers層將使用全注意力，之後的所有附加層將使用滑動視窗注意力 (SWA)。 - layer_types (
list, 可選) — 每層的注意力模式。
這是一個配置類，用於儲存 Dots1Model 的配置。它用於根據指定的引數例項化 dots.llm1 模型，定義模型架構。使用預設值例項化配置將生成與 rednote-hilab/dots.llm1.base 類似的配置。
配置物件繼承自 PretrainedConfig，可用於控制模型輸出。有關更多資訊，請閱讀 PretrainedConfig 的文件。
Dots1Model
class transformers.Dots1Model
< 來源 >( 配置: Dots1Config )
引數
- config (Dots1Config) — 模型的配置類，包含模型的所有引數。使用配置檔案初始化時，不會載入與模型相關的權重，只加載配置。請檢視 from_pretrained() 方法載入模型權重。
原始的 Dots1 模型輸出原始隱藏狀態，頂部沒有特定的頭部。
該模型繼承自 PreTrainedModel。請檢視超類文件，瞭解庫為其所有模型實現的通用方法（例如下載或儲存、調整輸入嵌入大小、修剪頭部等）。
此模型也是 PyTorch torch.nn.Module 的子類。請將其作為常規 PyTorch 模組使用，並參考 PyTorch 文件瞭解所有與一般用法和行為相關的事項。
forward
< 源 >( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.LongTensor] = None past_key_values: typing.Optional[transformers.cache_utils.Cache] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None cache_position: typing.Optional[torch.LongTensor] = None **flash_attn_kwargs: typing_extensions.Unpack[transformers.modeling_flash_attention_utils.FlashAttentionKwargs] ) → transformers.modeling_outputs.BaseModelOutputWithPast 或 tuple(torch.FloatTensor)
引數
- input_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 詞彙表中輸入序列標記的索引。預設情況下，填充將被忽略。可以使用 AutoTokenizer 獲取索引。有關詳細資訊，請參見 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (形狀為
(batch_size, sequence_length)的torch.Tensor，可選) — 避免對填充標記索引執行注意力操作的掩碼。掩碼值選擇在[0, 1]中：- 1 表示未被掩蓋的標記，
- 0 表示被掩蓋的標記。
- position_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 每個輸入序列標記在位置嵌入中的位置索引。選擇範圍為[0, config.n_positions - 1]。 - past_key_values (
~cache_utils.Cache，可選) — 預先計算的隱藏狀態（自注意力塊和交叉注意力塊中的鍵和值），可用於加速順序解碼。這通常包括模型在解碼上一階段返回的past_key_values，當use_cache=True或config.use_cache=True時。允許兩種格式：
- Cache 例項，請參閱我們的 kv cache 指南；
- 長度為
config.n_layers的tuple(torch.FloatTensor)元組，每個元組包含 2 個形狀為(batch_size, num_heads, sequence_length, embed_size_per_head)的張量）。這也被稱為舊版快取格式。
模型將輸出與輸入相同的快取格式。如果沒有傳入
past_key_values，將返回舊版快取格式。如果使用
past_key_values，使用者可以選擇只輸入最後一個input_ids（那些沒有將過去的鍵值狀態提供給此模型的）的形狀為(batch_size, 1)，而不是所有input_ids的形狀為(batch_size, sequence_length)。 - inputs_embeds (形狀為
(batch_size, sequence_length, hidden_size)的torch.FloatTensor，可選) — （可選）您可以選擇直接傳入嵌入表示，而不是傳入input_ids。如果您希望對如何將input_ids索引轉換為關聯向量具有比模型內部嵌入查詢矩陣更多的控制權，這將非常有用。 - use_cache (
bool，可選) — 如果設定為True，將返回past_key_values鍵值狀態，可用於加速解碼（參見past_key_values）。 - output_attentions (
bool，可選) — 是否返回所有注意力層的注意力張量。有關更多詳細資訊，請參見返回張量下的attentions。 - output_hidden_states (
bool，可選) — 是否返回所有層的隱藏狀態。有關更多詳細資訊，請參見返回張量下的hidden_states。 - cache_position (形狀為
(sequence_length)的torch.LongTensor，可選) — 描述輸入序列標記在序列中的位置的索引。與position_ids不同，此張量不受填充影響。它用於在正確位置更新快取並推斷完整的序列長度。
返回
transformers.modeling_outputs.BaseModelOutputWithPast 或 tuple(torch.FloatTensor)
一個 transformers.modeling_outputs.BaseModelOutputWithPast 或 torch.FloatTensor 的元組 (如果傳入 return_dict=False 或當 config.return_dict=False 時)，包含根據配置 (Dots1Config) 和輸入而變化的各種元素。
-
last_hidden_state (
torch.FloatTensor, 形狀為(batch_size, sequence_length, hidden_size)) — 模型最後一層輸出的隱藏狀態序列。如果使用了
past_key_values，則只輸出形狀為(batch_size, 1, hidden_size)的序列的最後一個隱藏狀態。 -
past_key_values (
Cache，可選，當傳入use_cache=True或當config.use_cache=True時返回) — 這是一個 Cache 例項。有關更多詳細資訊，請參閱我們的 kv 快取指南。包含預先計算的隱藏狀態（自注意力塊中的鍵和值，如果
config.is_encoder_decoder=True，則可選地包含交叉注意力塊中的鍵和值），可用於（參見past_key_values輸入）加速順序解碼。 -
hidden_states (
tuple(torch.FloatTensor)，可選，當傳入output_hidden_states=True或當config.output_hidden_states=True時返回) —torch.FloatTensor的元組（一個用於嵌入層的輸出，如果模型有嵌入層，再加上每個層的輸出），形狀為(batch_size, sequence_length, hidden_size)。模型在每個層輸出的隱藏狀態以及可選的初始嵌入輸出。
-
attentions (
tuple(torch.FloatTensor)，可選，當傳入output_attentions=True或當config.output_attentions=True時返回) —torch.FloatTensor的元組（每個層一個），形狀為(batch_size, num_heads, sequence_length, sequence_length)。注意力 softmax 後的注意力權重，用於計算自注意力頭中的加權平均值。
Dots1Model 的 forward 方法，覆蓋了 __call__ 特殊方法。
儘管前向傳播的配方需要在該函式中定義，但此後應呼叫 Module 例項而不是此函式，因為前者負責執行預處理和後處理步驟，而後者則默默地忽略它們。
Dots1ForCausalLM
class transformers.Dots1ForCausalLM
< 源 >( config )
引數
- config (Dots1ForCausalLM) — 模型的配置類，包含模型的所有引數。使用配置檔案初始化時，不會載入與模型相關的權重，只加載配置。請檢視 from_pretrained() 方法載入模型權重。
用於因果語言建模的 Dots1 模型。
該模型繼承自 PreTrainedModel。請檢視超類文件，瞭解庫為其所有模型實現的通用方法（例如下載或儲存、調整輸入嵌入大小、修剪頭部等）。
此模型也是 PyTorch torch.nn.Module 的子類。請將其作為常規 PyTorch 模組使用，並參考 PyTorch 文件瞭解所有與一般用法和行為相關的事項。
forward
< 源 >( input_ids: typing.Optional[torch.LongTensor] = None attention_mask: typing.Optional[torch.Tensor] = None position_ids: typing.Optional[torch.LongTensor] = None past_key_values: typing.Optional[transformers.cache_utils.Cache] = None inputs_embeds: typing.Optional[torch.FloatTensor] = None labels: typing.Optional[torch.LongTensor] = None use_cache: typing.Optional[bool] = None output_attentions: typing.Optional[bool] = None output_hidden_states: typing.Optional[bool] = None cache_position: typing.Optional[torch.LongTensor] = None logits_to_keep: typing.Union[int, torch.Tensor] = 0 **kwargs: typing_extensions.Unpack[transformers.models.dots1.modeling_dots1.KwargsForCausalLM] ) → transformers.modeling_outputs.CausalLMOutputWithPast 或 tuple(torch.FloatTensor)
引數
- input_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 詞彙表中輸入序列標記的索引。預設情況下，填充將被忽略。可以使用 AutoTokenizer 獲取索引。有關詳細資訊，請參見 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。
- attention_mask (形狀為
(batch_size, sequence_length)的torch.Tensor，可選) — 避免對填充標記索引執行注意力操作的掩碼。掩碼值選擇在[0, 1]中：- 1 表示未被掩蓋的標記，
- 0 表示被掩蓋的標記。
- position_ids (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 每個輸入序列標記在位置嵌入中的位置索引。選擇範圍為[0, config.n_positions - 1]。 - past_key_values (
~cache_utils.Cache，可選) — 預先計算的隱藏狀態（自注意力塊和交叉注意力塊中的鍵和值），可用於加速順序解碼。這通常包括模型在解碼上一階段返回的past_key_values，當use_cache=True或config.use_cache=True時。允許兩種格式：
- Cache 例項，請參閱我們的 kv cache 指南；
- 長度為
config.n_layers的tuple(torch.FloatTensor)元組，每個元組包含 2 個形狀為(batch_size, num_heads, sequence_length, embed_size_per_head)的張量）。這也被稱為舊版快取格式。
模型將輸出與輸入相同的快取格式。如果沒有傳入
past_key_values，將返回舊版快取格式。如果使用
past_key_values，使用者可以選擇只輸入最後一個input_ids（那些沒有將過去的鍵值狀態提供給此模型的）的形狀為(batch_size, 1)，而不是所有input_ids的形狀為(batch_size, sequence_length)。 - inputs_embeds (形狀為
(batch_size, sequence_length, hidden_size)的torch.FloatTensor，可選) — （可選）您可以選擇直接傳入嵌入表示，而不是傳入input_ids。如果您希望對如何將input_ids索引轉換為關聯向量具有比模型內部嵌入查詢矩陣更多的控制權，這將非常有用。 - labels (形狀為
(batch_size, sequence_length)的torch.LongTensor，可選) — 用於計算掩碼語言建模損失的標籤。索引應在[0, ..., config.vocab_size]或 -100 (參見input_ids文件字串) 中。索引設定為-100的標記將被忽略 (掩碼)，損失僅為標籤在[0, ..., config.vocab_size]中的標記計算。 - use_cache (
bool，可選) — 如果設定為True，將返回past_key_values鍵值狀態，可用於加速解碼（參見past_key_values）。 - output_attentions (
bool，可選) — 是否返回所有注意力層的注意力張量。有關更多詳細資訊，請參見返回張量下的attentions。 - output_hidden_states (
bool，可選) — 是否返回所有層的隱藏狀態。有關更多詳細資訊，請參見返回張量下的hidden_states。 - cache_position (形狀為
(sequence_length)的torch.LongTensor，可選) — 描述輸入序列標記在序列中的位置的索引。與position_ids不同，此張量不受填充影響。它用於在正確位置更新快取並推斷完整的序列長度。 - logits_to_keep (
Union[int, torch.Tensor]，預設為0) — 如果是int，則計算最後logits_to_keep個標記的 logits。如果是0，則計算所有input_ids的 logits（特殊情況）。生成時只需要最後一個標記的 logits，並且僅計算該標記的 logits 可以節省記憶體，這對於長序列或大詞彙表來說非常重要。如果是torch.Tensor，則必須是與序列長度維度中要保留的索引對應的 1D 張量。當使用打包張量格式（批次和序列長度的單個維度）時，這非常有用。
返回
transformers.modeling_outputs.CausalLMOutputWithPast 或 tuple(torch.FloatTensor)
一個 transformers.modeling_outputs.CausalLMOutputWithPast 或 torch.FloatTensor 的元組 (如果傳入 return_dict=False 或當 config.return_dict=False 時)，包含根據配置 (Dots1Config) 和輸入而變化的各種元素。
-
loss (
torch.FloatTensor形狀為(1,)，可選，當提供labels時返回) — 語言建模損失（用於下一個 token 預測）。 -
logits (形狀為
(batch_size, sequence_length, config.vocab_size)的torch.FloatTensor) — 語言建模頭部的預測分數（SoftMax 之前的每個詞彙標記的分數）。 -
past_key_values (
Cache，可選，當傳入use_cache=True或當config.use_cache=True時返回) — 這是一個 Cache 例項。有關更多詳細資訊，請參閱我們的 kv 快取指南。包含預計算的隱藏狀態（自注意力塊中的鍵和值），可用於（參見
past_key_values輸入）加速順序解碼。 -
hidden_states (
tuple(torch.FloatTensor)，可選，當傳入output_hidden_states=True或當config.output_hidden_states=True時返回) —torch.FloatTensor的元組（一個用於嵌入層的輸出，如果模型有嵌入層，再加上每個層的輸出），形狀為(batch_size, sequence_length, hidden_size)。模型在每個層輸出的隱藏狀態以及可選的初始嵌入輸出。
-
attentions (
tuple(torch.FloatTensor)，可選，當傳入output_attentions=True或當config.output_attentions=True時返回) —torch.FloatTensor的元組（每個層一個），形狀為(batch_size, num_heads, sequence_length, sequence_length)。注意力 softmax 後的注意力權重，用於計算自注意力頭中的加權平均值。
Dots1ForCausalLM 的 forward 方法，覆蓋了 __call__ 特殊方法。
儘管前向傳播的配方需要在該函式中定義，但此後應呼叫 Module 例項而不是此函式，因為前者負責執行預處理和後處理步驟，而後者則默默地忽略它們。
示例
>>> from transformers import AutoTokenizer, Dots1ForCausalLM
>>> model = Dots1ForCausalLM.from_pretrained("rednote-hilab/dots1.llm1.inst")
>>> tokenizer = AutoTokenizer.from_pretrained("rednote-hilab/dots1.llm1.inst")
>>> 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."