赞
踩
model.eval()
设置为评估模式(Dropout 模块被禁用)
model.train()
将其设置回训练模式pretrained_model_name_or_path | 需要加载的模型,可以是:
|
from_tf | (bool, 可选,默认为 False) - 从 TensorFlow 检查点保存文件中加载模型权重 |
force_download | (bool, 可选,默认为 False) - 是否强制(重新)下载模型权重和配置文件,覆盖已存在的缓存版本 |
local_files_only | (bool, 可选,默认为 False) - 是否只查看本地文件(即,不尝试下载模型) |
torch_dtype | (str 或 torch.dtype, 可选) — 覆盖默认的 torch.dtype,并在特定的数据类型下加载模型
|
device_map |
|
quantization_config | huggingface 笔记:AutoTokenizer,AutoClass-CSDN博客 一个量化配置参数字典 |
- from transformers import LlamaModel
-
- m=LlamaModel.from_pretrained('meta-llama/Meta-Llama-3-8B')
- m
.generate()
方法生成序列。.generate()
方法来生成序列。- m.can_generate()
- #False
get_input_embeddings
返回模型的输入嵌入,即将词汇映射到隐藏状态的 PyTorch 模块
- m.get_input_embeddings()
- #Embedding(128256, 4096)
get_memory_footprint
获取模型的内存占用(以字节为单位)
- m.get_memory_footprint()
- #30019706880
get_output_embeddings
返回模型的输出嵌入,即将隐藏状态映射到词汇的 PyTorch 模块
init_weights
初始化权重
resize_token_embeddings(new_num_tokens)
torch.nn.Embedding
模块的指针,不进行任何操作。set_input_embeddings(value: nn.Module)
自定义模型的输入嵌入层,通过提供一个新的 nn.Module
来替换默认的输入嵌入
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。