Rwkv Raven 14b

由 RWKV 开发

RWKV是一种结合RNN和Transformer优势的大语言模型，支持高效训练和快速推理，具备无限上下文处理能力。

大型语言模型

Transformers

#长文本处理 #RNN-Transformer混合架构 #中文对话生成

下载量 271

发布时间 : 5/5/2023

模型介绍

内容详情

替代品

模型简介

RWKV-4 Raven是一个140亿参数的大语言模型，采用独特的RNN-Transformer混合架构，专为聊天和文本生成任务优化。

模型特点

高效架构

结合RNN和Transformer优势，支持并行化训练同时保持RNN的推理效率

长上下文处理

理论上支持无限长度的上下文处理

资源高效

相比传统Transformer模型更节省显存和计算资源

模型能力

中文文本生成

对话系统构建

长文本处理

创意写作

使用案例

对话系统

智能聊天机器人

构建能进行自然流畅对话的中文聊天机器人

内容创作

故事生成

根据提示生成连贯的长篇故事内容

数据集:

EleutherAI/pile

RWKV-4 | 140亿参数聊天版模型卡片 (Raven)

RWKV是由Bo Peng主导的项目。您可以通过Johan Wind的博客文章此处和此处了解更多关于模型架构的信息。加入RWKV discord服务器可获取项目最新动态。

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("RWKV/rwkv-raven-14b")
tokenizer = AutoTokenizer.from_pretrained("RWKV/rwkv-raven-14b")

prompt = "\n科学家在西藏偏远山谷发现龙群栖息地，更令人震惊的是这些龙能说流利中文。"

inputs = tokenizer(prompt, return_tensors="pt")
output = model.generate(inputs["input_ids"], max_new_tokens=40)
print(tokenizer.decode(output[0].tolist(), skip_special_tokens=True))

单GPU运行方案

点击展开

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("RWKV/rwkv-raven-14b").to(0)
tokenizer = AutoTokenizer.from_pretrained("RWKV/rwkv-raven-14b")

prompt = "\n科学家在西藏偏远山谷发现龙群栖息地，更令人震惊的是这些龙能说流利中文。"

inputs = tokenizer(prompt, return_tensors="pt").to(0)
output = model.generate(inputs["input_ids"], max_new_tokens=40)
print(tokenizer.decode(output[0].tolist(), skip_special_tokens=True))

GPU半精度运行方案

点击展开

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("RWKV/rwkv-raven-14b", torch_dtype=torch.float16).to(0)
tokenizer = AutoTokenizer.from_pretrained("RWKV/rwkv-raven-14b")

prompt = "\n科学家在西藏偏远山谷发现龙群栖息地，更令人震惊的是这些龙能说流利中文。"

inputs = tokenizer(prompt, return_tensors="pt").to(0)
output = model.generate(inputs["input_ids"], max_new_tokens=40)
print(tokenizer.decode(output[0].tolist(), skip_special_tokens=True))

多GPU运行方案

点击展开

# 需安装accelerate: pip install accelerate
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("RWKV/rwkv-raven-14b", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("RWKV/rwkv-raven-14b")

prompt = "\n科学家在西藏偏远山谷发现龙群栖息地，更令人震惊的是这些龙能说流利中文。"

inputs = tokenizer(prompt, return_tensors="pt").to(0)
output = model.generate(inputs["input_ids"], max_new_tokens=40)
print(tokenizer.decode(output[0].tolist(), skip_special_tokens=True))