f
fyyyy76667/Qwen2.5-7B-Instruct
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

Qwen2.5-7B-Instruct

Chat

简介

Qwen2.5 是最新系列的 Qwen 大语言模型。针对 Qwen2.5，我们发布了一系列基础语言模型和指令微调语言模型，参数规模从 0.50 亿到 720 亿不等。Qwen2.5 在 Qwen2 的基础上带来了以下改进：

  • 知识量显著增加，并且在代码和数学能力方面有大幅提升，这得益于我们在这些领域的专业专家模型。
  • 在指令遵循、长文本生成（超过 8K tokens）、结构化数据理解（如表格）以及结构化输出生成（尤其是 JSON）方面有显著改进。对系统提示的多样性具有更强的适应性，增强了聊天机器人的角色扮演实现和条件设定能力。
  • 长上下文支持，最长可达 128K tokens，生成文本长度可达 8K tokens。
  • 多语言支持，覆盖超过 29 种语言，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。

本仓库包含经过指令微调的 7B Qwen2.5 模型，其特点如下：

  • 类型：因果语言模型
  • 训练阶段：预训练与后训练
  • 架构：采用 RoPE、SwiGLU、RMSNorm 和 Attention QKV 偏置的 transformers
  • 参数数量：76.1 亿
  • 非嵌入层参数数量：65.3 亿
  • 层数：28
  • 注意力头数量（GQA）：Q 头 28 个，KV 头 4 个
  • 上下文长度：完整上下文 131,072 tokens，生成文本 8192 tokens
    • 有关部署 Qwen2.5 以处理长文本的详细说明，请参考本节。

更多详情，请参阅我们的博客、GitHub 和文档。

环境要求

Qwen2.5的代码已集成到最新版的Hugging Face transformers中，建议您使用最新版本的transformers。

若使用transformers<4.37.0，您将遇到以下错误：

KeyError: 'qwen2'

快速开始

以下提供一个使用 apply_chat_template 的代码片段，向您展示如何加载分词器和模型以及如何生成内容。

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Qwen/Qwen2.5-7B-Instruct"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "system", "content": "You are Qwen, created by Alibaba Cloud. You are a helpful assistant."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

处理长文本

当前 config.json 的上下文长度设置最高为 32,768 个 token。 为了处理超过 32,768 个 token 的超长输入，我们采用了 YaRN 技术，这是一种用于增强模型长度外推能力的方法，可确保在长文本上的最佳性能。

对于受支持的框架，您可以在 config.json 中添加以下内容以启用 YaRN：

{
  ...,
  "rope_scaling": {
    "factor": 4.0,
    "original_max_position_embeddings": 32768,
    "type": "yarn"
  }
}

在部署方面，我们建议使用 vLLM。 如果您不熟悉 vLLM，请参考我们的文档了解使用方法。 目前，vLLM 仅支持静态 YARN，这意味着无论输入长度如何，缩放因子都保持不变，可能会影响短文本的性能。 我们建议仅在需要处理长上下文时才添加 rope_scaling 配置。

评估与性能

详细的评估结果已在这篇📑 博客中公布。

有关 GPU 内存要求和相应吞吐量，请参见此处的结果。

引用

如果您觉得我们的工作有帮助，欢迎引用我们。

@misc{qwen2.5,
    title = {Qwen2.5: A Party of Foundation Models},
    url = {https://qwenlm.github.io/blog/qwen2.5/},
    author = {Qwen Team},
    month = {September},
    year = {2024}
}

@article{qwen2,
      title={Qwen2 Technical Report},
      author={An Yang and Baosong Yang and Binyuan Hui and Bo Zheng and Bowen Yu and Chang Zhou and Chengpeng Li and Chengyuan Li and Dayiheng Liu and Fei Huang and Guanting Dong and Haoran Wei and Huan Lin and Jialong Tang and Jialin Wang and Jian Yang and Jianhong Tu and Jianwei Zhang and Jianxin Ma and Jin Xu and Jingren Zhou and Jinze Bai and Jinzheng He and Junyang Lin and Kai Dang and Keming Lu and Keqin Chen and Kexin Yang and Mei Li and Mingfeng Xue and Na Ni and Pei Zhang and Peng Wang and Ru Peng and Rui Men and Ruize Gao and Runji Lin and Shijie Wang and Shuai Bai and Sinan Tan and Tianhang Zhu and Tianhao Li and Tianyu Liu and Wenbin Ge and Xiaodong Deng and Xiaohuan Zhou and Xingzhang Ren and Xinyu Zhang and Xipin Wei and Xuancheng Ren and Yang Fan and Yang Yao and Yichang Zhang and Yu Wan and Yunfei Chu and Yuqiong Liu and Zeyu Cui and Zhenru Zhang and Zhihao Fan},
      journal={arXiv preprint arXiv:2407.10671},
      year={2024}
}