H2o Danube3 500m Chat

🚀 h2o-danube3-500m-chat模型

h2o-danube3-500m-chat是H2O.ai公司微调的聊天模型，拥有5亿参数。本模型能有效解决自然语言处理中的对话交互问题，为用户提供智能、流畅的对话体验。

🚀 快速开始

模型版本

h2o-danube3-500m-chat发布了两个版本：

训练信息

该模型使用 H2O LLM Studio 进行训练。并且可以在手机上完全离线原生运行，你可以通过 H2O AI Personal GPT 亲自体验。

✨ 主要特性

• 参数规模：约5亿参数，在保证性能的同时，也能在一定程度上降低计算资源的需求。
• 架构调整：对Llama 2架构进行了调整，详情可参考 技术报告。
• 分词器：使用Mistral分词器，词汇量为32,000，训练时上下文长度可达8,192。
• 离线运行：可以在手机上完全离线原生运行。

📦 安装指南

若要在配备GPU的机器上使用transformers库调用该模型，首先要确保已安装transformers库：

pip install transformers>=4.42.3

💻 使用示例

基础用法

import torch
from transformers import pipeline

pipe = pipeline(
    "text-generation",
    model="h2oai/h2o-danube3-500m-chat",
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

# 我们使用HF分词器的聊天模板来格式化每条消息
# https://huggingface.co/docs/transformers/main/en/chat_templating
messages = [
    {"role": "user", "content": "Why is drinking water so healthy?"},
]
prompt = pipe.tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)
res = pipe(
    prompt,
    return_full_text=False,
    max_new_tokens=256,
)
print(res[0]["generated_text"])

此代码会直接应用并运行正确的提示格式：

<|prompt|>Why is drinking water so healthy?</s><|answer|>

高级用法

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "h2oai/h2o-danube3-500m-chat"

tokenizer = AutoTokenizer.from_pretrained(
    model_name,
)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

messages = [
    {"role": "user", "content": "Why is drinking water so healthy?"},
]
prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)
inputs = tokenizer(
    prompt, return_tensors="pt", add_special_tokens=False
).to("cuda")

# 生成配置可按需修改
tokens = model.generate(
    input_ids=inputs["input_ids"],
    attention_mask=inputs["attention_mask"],
    min_new_tokens=2,
    max_new_tokens=256,
)[0]

tokens = tokens[inputs["input_ids"].shape[1]:]
answer = tokenizer.decode(tokens, skip_special_tokens=True)
print(answer)

🔧 技术细节

模型架构

模型架构的详细信息如下：

具体的模型架构代码如下：

LlamaForCausalLM(
  (model): LlamaModel(
    (embed_tokens): Embedding(32000, 1536, padding_idx=0)
    (layers): ModuleList(
      (0-15): 16 x LlamaDecoderLayer(
        (self_attn): LlamaSdpaAttention(
          (q_proj): Linear(in_features=1536, out_features=1536, bias=False)
          (k_proj): Linear(in_features=1536, out_features=768, bias=False)
          (v_proj): Linear(in_features=1536, out_features=768, bias=False)
          (o_proj): Linear(in_features=1536, out_features=1536, bias=False)
          (rotary_emb): LlamaRotaryEmbedding()
        )
        (mlp): LlamaMLP(
          (gate_proj): Linear(in_features=1536, out_features=4096, bias=False)
          (up_proj): Linear(in_features=1536, out_features=4096, bias=False)
          (down_proj): Linear(in_features=4096, out_features=1536, bias=False)
          (act_fn): SiLU()
        )
        (input_layernorm): LlamaRMSNorm()
        (post_attention_layernorm): LlamaRMSNorm()
      )
    )
    (norm): LlamaRMSNorm()
  )
  (lm_head): Linear(in_features=1536, out_features=32000, bias=False)
)

量化与分片

你可以通过指定 load_in_8bit=True 或 load_in_4bit=True 来使用量化方式加载模型。此外，通过设置 device_map=auto 可以在多个GPU上进行分片。

📚 详细文档

基准测试

Open LLM Leaderboard v1

MT-Bench

First Turn: 4.16
Second Turn: 2.40
Average: 3.28

免责声明

在使用本仓库提供的大语言模型之前，请仔细阅读此免责声明。你使用该模型即表示你同意以下条款和条件。

• 偏差与冒犯性：该大语言模型是在各种互联网文本数据上进行训练的，这些数据可能包含有偏差、种族主义、冒犯性或其他不适当的内容。使用此模型即表示你承认并接受生成的内容有时可能存在偏差，或产生冒犯性或不适当的内容。本仓库的开发者不认可、支持或推广任何此类内容或观点。
• 局限性：该大语言模型是基于人工智能的工具，并非人类。它可能会产生错误、无意义或不相关的回复。用户有责任批判性地评估生成的内容，并自行决定是否使用。
• 风险自担：使用此大语言模型的用户必须对使用该工具可能产生的任何后果承担全部责任。本仓库的开发者和贡献者不对因使用或滥用所提供的模型而导致的任何损害、损失或伤害承担责任。
• 道德考量：鼓励用户负责任且合乎道德地使用该大语言模型。使用此模型即表示你同意不将其用于宣扬仇恨言论、歧视、骚扰或任何形式的非法或有害活动。
• 问题反馈：如果你遇到该大语言模型生成的有偏差、冒犯性或其他不适当的内容，请通过提供的渠道向仓库维护者报告。你的反馈将有助于改进模型并减少潜在问题。
• 免责声明变更：本仓库的开发者保留随时修改或更新此免责声明的权利，且无需事先通知。用户有责任定期查看免责声明，以了解任何变更。

使用本仓库提供的大语言模型即表示你同意接受并遵守本免责声明中规定的条款和条件。如果你不同意本免责声明的任何部分，则应避免使用该模型及其生成的任何内容。

📄 许可证

本项目采用Apache-2.0许可证。