h2oGPT 模型卡片

概述

H2O.ai 的 h2ogpt-oig-oasst1-falcon-40b 是一个具有 400 亿参数的指令遵循的大型语言模型，可用于商业用途。

• 基础模型： tiiuae/falcon-40b
• 微调数据集： h2oai/h2ogpt-oig-oasst1-instruct-cleaned-v3
• 数据准备和微调代码： H2O.ai GitHub
• 训练日志： zip

聊天机器人

• 运行自己的聊天机器人： H2O.ai GitHub

用法

要在具有 GPU 的计算机上使用 transformers 库与模型一起使用，请首先确保已安装以下库。

pip install transformers==4.29.2
pip install accelerate==0.19.0
pip install torch==2.0.1
pip install einops==0.6.1

import torch
from transformers import pipeline, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("h2oai/h2ogpt-oig-oasst1-falcon-40b", padding_side="left")
generate_text = pipeline(model="h2oai/h2ogpt-oig-oasst1-falcon-40b", tokenizer=tokenizer, torch_dtype=torch.bfloat16, trust_remote_code=True, device_map="auto", prompt_type="human_bot")
res = generate_text("Why is drinking water so healthy?", max_new_tokens=100)
print(res[0]["generated_text"])

或者，如果您不希望使用 trust_remote_code=True，可以下载 instruct_pipeline.py ，将其存储在笔记本旁边，并根据加载的模型和分词器构建自己的流程。

import torch
from h2oai_pipeline import H2OTextGenerationPipeline
from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("h2oai/h2ogpt-oig-oasst1-falcon-40b", padding_side="left")
model = AutoModelForCausalLM.from_pretrained("h2oai/h2ogpt-oig-oasst1-falcon-40b", torch_dtype=torch.bfloat16, device_map="auto")
generate_text = H2OTextGenerationPipeline(model=model, tokenizer=tokenizer, prompt_type="human_bot")

res = generate_text("Why is drinking water so healthy?", max_new_tokens=100)
print(res[0]["generated_text"])

模型架构

RWForCausalLM(
  (transformer): RWModel(
    (word_embeddings): Embedding(65024, 8192)
    (h): ModuleList(
      (0-59): 60 x DecoderLayer(
        (ln_attn): LayerNorm((8192,), eps=1e-05, elementwise_affine=True)
        (ln_mlp): LayerNorm((8192,), eps=1e-05, elementwise_affine=True)
        (self_attention): Attention(
          (maybe_rotary): RotaryEmbedding()
          (query_key_value): Linear(in_features=8192, out_features=9216, bias=False)
          (dense): Linear(in_features=8192, out_features=8192, bias=False)
          (attention_dropout): Dropout(p=0.0, inplace=False)
        )
        (mlp): MLP(
          (dense_h_to_4h): Linear(in_features=8192, out_features=32768, bias=False)
          (act): GELU(approximate='none')
          (dense_4h_to_h): Linear(in_features=32768, out_features=8192, bias=False)
        )
      )
    )
    (ln_f): LayerNorm((8192,), eps=1e-05, elementwise_affine=True)
  )
  (lm_head): Linear(in_features=8192, out_features=65024, bias=False)
)

模型配置

RWConfig {
  "_name_or_path": "h2oai/h2ogpt-oig-oasst1-falcon-40b",
  "alibi": false,
  "apply_residual_connection_post_layernorm": false,
  "architectures": [
    "RWForCausalLM"
  ],
  "attention_dropout": 0.0,
  "auto_map": {
    "AutoConfig": "tiiuae/falcon-40b--configuration_RW.RWConfig",
    "AutoModel": "tiiuae/falcon-40b--modelling_RW.RWModel",
    "AutoModelForCausalLM": "tiiuae/falcon-40b--modelling_RW.RWForCausalLM",
    "AutoModelForQuestionAnswering": "tiiuae/falcon-40b--modelling_RW.RWForQuestionAnswering",
    "AutoModelForSequenceClassification": "tiiuae/falcon-40b--modelling_RW.RWForSequenceClassification",
    "AutoModelForTokenClassification": "tiiuae/falcon-40b--modelling_RW.RWForTokenClassification"
  },
  "bias": false,
  "bos_token_id": 11,
  "custom_pipelines": {
    "text-generation": {
      "impl": "h2oai_pipeline.H2OTextGenerationPipeline",
      "pt": "AutoModelForCausalLM"
    }
  },
  "eos_token_id": 11,
  "hidden_dropout": 0.0,
  "hidden_size": 8192,
  "initializer_range": 0.02,
  "layer_norm_epsilon": 1e-05,
  "model_type": "RefinedWeb",
  "n_head": 128,
  "n_head_kv": 8,
  "n_layer": 60,
  "parallel_attn": true,
  "torch_dtype": "float16",
  "transformers_version": "4.30.0.dev0",
  "use_cache": true,
  "vocab_size": 65024
}

模型验证

使用 EleutherAI lm-evaluation-harness 进行模型验证结果。

eval source code

免责声明

请在使用此存储库中提供的大型语言模型之前仔细阅读此免责声明。您使用该模型即表示您同意以下条款和条件。

• 偏见和冒犯性：大型语言模型经过多样化的互联网文本数据训练，其中可能包含偏见、种族主义、冒犯或其他不当内容。通过使用该模型，您承认并接受生成的内容有时可能会表现出偏见，或产生冒犯或不适当的内容。本存储库的开发人员不赞同、支持或推广任何此类内容或观点。
• 限制：大型语言模型是一种基于人工智能的工具，而不是人类。它可能产生不正确、无意义或无关的回答。用户有责任对生成的内容进行批判性评估，并自行决定是否使用。
• 自担风险使用：使用该大型语言模型的用户必须对其可能导致的任何后果承担全部责任。本存储库的开发人员和贡献者对因使用或滥用所提供的模型而导致的任何损害、损失或伤害概不负责。
• 伦理考虑：鼓励用户负责任和道德地使用大型语言模型。通过使用该模型，您同意不将其用于促进仇恨言论、歧视、骚扰或任何形式的非法或有害活动。
• 报告问题：如果您遇到由大型语言模型生成的偏见、冒犯或其他不适当内容，请通过提供的渠道向存储库维护人员报告。您的反馈将有助于改进模型并减轻潜在问题。
• 免责声明的变更：本存储库的开发人员保留随时修改或更新本免责声明的权利，无需事先通知。用户有责任定期查阅免责声明以了解任何变更。

通过使用此存储库提供的大型语言模型，您同意接受并遵守本免责声明中概述的条款和条件。如果您不同意本免责声明的任何部分，则应避免使用该模型和由其生成的任何内容。