/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
607 888
Размер весов
2,5 МБ
Архитектура
qwen2_moe · MoE
Библиотека
transformers
Опубликована
30 мар 2024

qwen1.5-moe-tiny-random

Генерация текстаТекст → текст3 профессии

yujiepan/qwen1.5-moe-tiny-random — экспериментальная языковая модель, разработанная пользователем yujiepan на основе конфигурации Qwen/Qwen1.5-MoE-A2.7B-Chat.

1 683скачиваний за 30 дней1лайквеса обновлены19 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель случайно инициализирована и предназначена прежде всего для тестирования, разработки и проверки совместимости архитектуры в Transformers, а не для получения качественных ответов без дополнительного обучения. Основной сценарий использования — генерация текста через pipeline text-generation.

Модель представляет собой авторегрессионную MoE-модель с поддержкой causal language modeling и работает в формате float16. По сравнению с исходной конфигурацией она существенно уменьшена: hidden_size равен 4, intermediate_size — 2, 2 скрытых слоя, 4 attention heads, 2 key-value heads, moe_intermediate_size и shared_expert_intermediate_size равны 2. Указано использование sliding window attention с одним слоем максимального окна, однако размер контекста и поддерживаемые языки в README не приведены. Токенизатор заимствован из Qwen/Qwen1.5-MoE-A2.7B-Chat.

Ключевое преимущество модели — чрезвычайно малый размер, удобный для экспериментов с конфигурацией и загрузкой MoE-архитектуры. Главные ограничения — случайная инициализация, отсутствие заявленного обучения и, как следствие, непригодность для надежной генерации осмысленного текста или прикладного использования без дообучения. Лицензия в README не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is randomly initialized, using the config from Qwen/Qwen1.5-MoE-A2.7B-Chat but with smaller size. Note the model is in float16.

Codes:

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

source_model_id = 'Qwen/Qwen1.5-MoE-A2.7B-Chat'
save_path = '/tmp/yujiepan/qwen1.5-moe-tiny-random'
repo_id = 'yujiepan/qwen1.5-moe-tiny-random'

config = transformers.AutoConfig.from_pretrained(
    source_model_id, trust_remote_code=True)
config.hidden_size = 4
config.intermediate_size = 2
config.num_attention_heads = 4
config.num_hidden_layers = 2
config.num_key_value_heads = 2
config.moe_intermediate_size = 2
config.shared_expert_intermediate_size = 2
config.max_window_layers = 1
config.use_sliding_window = True
config.torch_dtype = torch.float16

model = transformers.AutoModelForCausalLM.from_config(
    config, trust_remote_code=True, torch_dtype=torch.float16)
model = model.half()

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

result = transformers.pipelines.pipeline(
    'text-generation',
    model=model, tokenizer=tokenizer,
    device=0,
    max_new_tokens=16,
)('Hello World!')
print(result)

model.save_pretrained(save_path)
tokenizer.save_pretrained(save_path)

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

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2MoeForCausalLM
Ревизия весов
05cf88f

0 моделей