Qwen2.5-0.5B-Instruct
Qwen
text-generation
transformers
en
Qwen/Qwen2.5-0.5B-Instruct
5,858,017
下载量
510
收藏数
18
浏览量
apache-2.0
许可
简介
Qwen2.5是Qwen大语言模型的最新系列。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,参数量从0.5亿到720亿不等。与Qwen2相比,Qwen2.5带来了以下改进:
模型卡片
许可协议
apache-2.0
语言
en
框架
transformers
任务
text-generation
chat
模型配置
模型类型
qwen2
架构
Qwen2ForCausalLM
模型详情
已翻译Qwen2.5-0.5B-Instruct
介绍
Qwen2.5 是 Qwen 大语言模型的最新系列。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 0.5B 到 72B 不等。相较于 Qwen2,Qwen2.5 带来了以下改进:
- 知识储备显著增强,并在编程和数学能力上大幅提升,这得益于我们在这些领域的专用专家模型。
- 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)方面取得显著进步。对系统提示的多样性更具鲁棒性,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,最高可达 128K tokens,并可生成最多 8K tokens。
- 多语言支持,覆盖超过 29 种语言,包括中文、英文、法文、西班牙文、葡萄牙文、德文、意大利文、俄文、日文、韩文、越南文、泰文、阿拉伯文等。
本仓库包含经过指令微调的 0.5B Qwen2.5 模型,具有以下特性:
- 类型:因果语言模型
- 训练阶段:预训练与后训练
- 架构:基于 RoPE、SwiGLU、RMSNorm、Attention QKV bias 和 tied word embeddings 的 transformers
- 参数数量:0.49B
- 非嵌入参数数量:0.36B
- 层数:24
- 注意力头数(GQA):Q 为 14,KV 为 2
- 上下文长度:完整 32,768 tokens,生成 8192 tokens
环境要求
Qwen2.5 的代码已集成到最新的 Hugging Face transformers 中,建议您使用最新版本的 transformers。
如果使用 transformers<4.37.0,您将遇到以下错误:
KeyError: 'qwen2'
快速开始
以下代码片段展示了如何使用 apply_chat_template 加载 tokenizer 和模型,并生成内容。
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "Qwen/Qwen2.5-0.5B-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]
评估与性能
详细的评估结果请参见这篇📑 博客。
关于 GPU 内存需求和相应吞吐量,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}
}
正在翻译中,请稍候...
标签
qwen2
chat
conversational
en
arxiv:2407.10671
base_model:Qwen/Qwen2.5-0.5B
base_model:finetune:Qwen/Qwen2.5-0.5B
license:apache-2.0