Gemma Tiny Random

🚀 Transformers库随机初始化模型

本项目基于transformers库构建了一个随机初始化的模型。该模型使用了 [https://huggingface.co/google/gemma-7b-it] 的配置，但规模更小，且采用了float16数据类型。

🚀 快速开始

此模型是随机初始化的，采用了 [https://huggingface.co/google/gemma-7b-it] 的配置，但规模更小。请注意，该模型使用的是float16数据类型。

代码示例

from transformers import pipeline
from huggingface_hub import create_repo, upload_folder
import torch
import transformers
import os

model_id = 'google/gemma-7b-it'
save_path = '/tmp/yujiepan/gemma-tiny-random'
repo_id = 'yujiepan/gemma-tiny-random'

config = transformers.AutoConfig.from_pretrained(model_id)
config.hidden_size = 8
config.head_dim = 2
config.intermediate_size = 16
config.num_attention_heads = 4
config.num_hidden_layers = 2
config.num_key_value_heads = 2
print(config)

tokenizer = transformers.AutoTokenizer.from_pretrained(model_id)
tokenizer.save_pretrained(save_path)

model = transformers.AutoModelForCausalLM.from_config(config, torch_dtype=torch.float16)
model = model.half()

pipe = pipeline('text-generation', model=model, tokenizer=tokenizer, do_sample=False, device='cuda')
print(pipe('Hello World!'))

model.save_pretrained(save_path)

# ovmodel = OVModelForCausalLM.from_pretrained(save_path, export=True)
# ovmodel = ovmodel.half()
# ovmodel.save_pretrained(save_path)

os.system(f'ls -alh {save_path}')
create_repo(repo_id, exist_ok=True)
upload_folder(repo_id=repo_id, folder_path=save_path)

📦 安装指南

原文档未提及安装步骤，若要使用此代码，你需要安装以下库：

• transformers
• huggingface_hub
• torch

你可以使用以下命令进行安装：

pip install transformers huggingface_hub torch

💻 使用示例

基础用法

# 上述代码的基础使用
from transformers import pipeline
from huggingface_hub import create_repo, upload_folder
import torch
import transformers
import os

model_id = 'google/gemma-7b-it'
save_path = '/tmp/yujiepan/gemma-tiny-random'
repo_id = 'yujiepan/gemma-tiny-random'

config = transformers.AutoConfig.from_pretrained(model_id)
config.hidden_size = 8
config.head_dim = 2
config.intermediate_size = 16
config.num_attention_heads = 4
config.num_hidden_layers = 2
config.num_key_value_heads = 2
print(config)

tokenizer = transformers.AutoTokenizer.from_pretrained(model_id)
tokenizer.save_pretrained(save_path)

model = transformers.AutoModelForCausalLM.from_config(config, torch_dtype=torch.float16)
model = model.half()

pipe = pipeline('text-generation', model=model, tokenizer=tokenizer, do_sample=False, device='cuda')
print(pipe('Hello World!'))

model.save_pretrained(save_path)

# ovmodel = OVModelForCausalLM.from_pretrained(save_path, export=True)
# ovmodel = ovmodel.half()
# ovmodel.save_pretrained(save_path)

os.system(f'ls -alh {save_path}')
create_repo(repo_id, exist_ok=True)
upload_folder(repo_id=repo_id, folder_path=save_path)

高级用法

原文档未提及高级用法相关内容。

🔧 技术细节

该模型随机初始化，使用了 [https://huggingface.co/google/gemma-7b-it] 的配置，但对配置参数进行了调整，如hidden_size、head_dim等，以减小模型规模。同时，模型采用了float16数据类型，以降低内存占用。代码中使用了transformers库的pipeline进行文本生成任务，并将模型保存到指定路径，最后上传到Hugging Face Hub。