Deepseek Llm Tiny Random

🚀 小型隨機DeepSeek語言模型

本項目是一個隨機初始化的模型，它借鑑了 deepseek-ai/deepseek-llm-67b-chat 的配置，但規模更小。該模型採用float16格式。

🚀 快速開始

模型說明

此模型隨機初始化，使用了 deepseek-ai/deepseek-llm-67b-chat 的配置，不過規模更小。需要注意的是，該模型採用的是float16格式。

代碼示例

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

source_model_id = 'deepseek-ai/deepseek-llm-67b-chat'
save_path = '/tmp/yujiepan/deepseek-llm-tiny-random'
repo_id = 'yujiepan/deepseek-llm-tiny-random'

config = transformers.AutoConfig.from_pretrained(
    source_model_id, trust_remote_code=True)
config.hidden_size = 2
config.intermediate_size = 4
config.num_attention_heads = 2
config.num_hidden_layers = 2
config.num_key_value_heads = 1

model = transformers.AutoModelForCausalLM.from_config(
    config, trust_remote_code=True)
model = model.half()
model.save_pretrained(save_path)

tokenizer = transformers.AutoTokenizer.from_pretrained(
    source_model_id, trust_remote_code=True)
tokenizer.save_pretrained(save_path)

result = transformers.pipelines.pipeline(
    'text-generation',
    model=model.float(), tokenizer=tokenizer)('Hello')
print(result)

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

💻 使用示例

基礎用法

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

source_model_id = 'deepseek-ai/deepseek-llm-67b-chat'
save_path = '/tmp/yujiepan/deepseek-llm-tiny-random'
repo_id = 'yujiepan/deepseek-llm-tiny-random'

config = transformers.AutoConfig.from_pretrained(
    source_model_id, trust_remote_code=True)
config.hidden_size = 2
config.intermediate_size = 4
config.num_attention_heads = 2
config.num_hidden_layers = 2
config.num_key_value_heads = 1

model = transformers.AutoModelForCausalLM.from_config(
    config, trust_remote_code=True)
model = model.half()
model.save_pretrained(save_path)

tokenizer = transformers.AutoTokenizer.from_pretrained(
    source_model_id, trust_remote_code=True)
tokenizer.save_pretrained(save_path)

result = transformers.pipelines.pipeline(
    'text-generation',
    model=model.float(), tokenizer=tokenizer)('Hello')
print(result)

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

高級用法

上述代碼已經涵蓋了模型的基本使用流程，若有更復雜的需求，可根據實際情況調整 config 中的參數，例如修改 hidden_size、intermediate_size 等，以改變模型的規模和性能。

# 可根據實際情況修改以下參數
config.hidden_size = 4
config.intermediate_size = 8
# 其他代碼保持不變

📚 詳細文檔

模型參數說明

代碼功能說明

1. 導入必要的庫：導入 transformers、torch、os 以及 huggingface_hub 中的相關函數。
2. 設置模型和保存路徑：指定源模型ID、保存路徑和倉庫ID。
3. 配置模型參數：從源模型加載配置，並修改部分參數，如隱藏層大小、中間層大小等。
4. 創建模型和分詞器：根據配置創建模型和分詞器，並將模型轉換為float16格式。
5. 保存模型和分詞器：將模型和分詞器保存到指定路徑。
6. 進行文本生成：使用 transformers.pipelines.pipeline 進行文本生成，並打印結果。
7. 上傳模型到Hugging Face：創建倉庫並將保存的模型上傳到Hugging Face。

注意事項

• 該模型是隨機初始化的，可能無法生成有意義的文本。
• 模型採用float16格式，可減少內存佔用，但可能會影響精度。