72

seanzhang-zhichen commented 8 months ago

72

没有用的，我的代码：

` tokenizer = LlamaTokenizer.from_pretrained(model_path, add_eos_token=False, add_bos_token=False, eos_token='', trust_remote_code=True) tokenizer.add_tokens(['', '', '', '', '', '', '','','','','','','','',''], special_tokens=True) print("Creat model...") model = AutoModelForCausalLM.from_pretrained(model_path, device_map='auto', torch_dtype=torch.bfloat16, trust_remote_code=True)

`

zhaoxudong01 commented 8 months ago

看到你应该是离线使用的hf模型，离线使用可以参考在模型目录执行下面的脚本

import torch, transformers
import sys, os
sys.path.append(
    os.path.abspath(os.path.join(os.path.dirname(__file__), os.path.pardir)))
from transformers import AutoModelForCausalLM,AutoTokenizer,LlamaTokenizer
from yuan_hf_model import YuanForCausalLM
torch.set_printoptions(precision=12)
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
print("Creat tokenizer...")
tokenizer = LlamaTokenizer.from_pretrained('./', add_eos_token=False, add_bos_token=False)
tokenizer.add_tokens(['<sep>', '<pad>', '<mask>', '<predict>', '<FIM_SUFFIX>', '<FIM_PREFIX>', '<FIM_MIDDLE>','<commit_before>','<commit_msg>','<commit_after>','<jupyter_start>','<jupyter_text>','<jupyter_code>','<jupyter_output>','<empty_output>'], special_tokens=True)

print("Creat model...")
input_text = ['请问目前最先进的机器学习算法有哪些？<sep>']
inputs = tokenizer(input_text, return_tensors="pt")["input_ids"].to("cuda:0")

model = YuanForCausalLM.from_pretrained('./',device_map='auto',torch_dtype=torch.half,trust_remote_code=True)
outputs = model.generate(inputs,do_sample=False,max_length=100)
print(tokenizer.decode(outputs[0]))
# 请问目前最先进的机器学习算法有哪些？<sep> 目前最先进的机器学习算法包括以下几种：\n1. 卷积神经网络（Convolutional Neural Networks，CNN）：CNN是近年来在图像处理领域中广泛应用的一种神经网络，包含卷积层、池化层和全连接层，训练时需要大量标注数据以及自我调整参数。\n2. 循环神经网络（Recurrent Neural Networks，RNN）：RNN指的是信息流模型，能够处理序列数据，

seanzhang-zhichen commented 8 months ago

看到你应该是离线使用的hf模型，离线使用可以参考在模型目录执行下面的脚本

import torch, transformers
import sys, os
sys.path.append(
    os.path.abspath(os.path.join(os.path.dirname(__file__), os.path.pardir)))
from transformers import AutoModelForCausalLM,AutoTokenizer,LlamaTokenizer
from yuan_hf_model import YuanForCausalLM
torch.set_printoptions(precision=12)
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
print("Creat tokenizer...")
tokenizer = LlamaTokenizer.from_pretrained('./', add_eos_token=False, add_bos_token=False)
tokenizer.add_tokens(['<sep>', '<pad>', '<mask>', '<predict>', '<FIM_SUFFIX>', '<FIM_PREFIX>', '<FIM_MIDDLE>','<commit_before>','<commit_msg>','<commit_after>','<jupyter_start>','<jupyter_text>','<jupyter_code>','<jupyter_output>','<empty_output>'], special_tokens=True)

print("Creat model...")
input_text = ['请问目前最先进的机器学习算法有哪些？<sep>']
inputs = tokenizer(input_text, return_tensors="pt")["input_ids"].to("cuda:0")

model = YuanForCausalLM.from_pretrained('./',device_map='auto',torch_dtype=torch.half,trust_remote_code=True)
outputs = model.generate(inputs,do_sample=False,max_length=100)
print(tokenizer.decode(outputs[0]))
# 请问目前最先进的机器学习算法有哪些？<sep> 目前最先进的机器学习算法包括以下几种：\n1. 卷积神经网络（Convolutional Neural Networks，CNN）：CNN是近年来在图像处理领域中广泛应用的一种神经网络，包含卷积层、池化层和全连接层，训练时需要大量标注数据以及自我调整参数。\n2. 循环神经网络（Recurrent Neural Networks，RNN）：RNN指的是信息流模型，能够处理序列数据，

其实不必这么麻烦的，主要是你们文件夹命名的问题，我将模型文件夹名称由Yuan2.0-51B-hf改成Yuan2-51B-hf就解决了问题

IEIT-Yuan / Yuan-2.0

使用官方huggingface代码推理报错 #108

72

72