• Code Llama:Llama 2 学会写代码了!


    引言

    Code Llama 是为代码类任务而生的一组最先进的、开放的 Llama 2 模型,我们很高兴能将其集成入 Hugging Face 生态系统!Code Llama 使用与 Llama 2 相同的社区许可证,且可商用。

    今天,我们很高兴能发布 Hugging Face 对 Code Llama 的全面支持 , 包括:

    • Hub 上的模型支持,包括模型卡及许可证
    • Transformers 已集成 Code Llama
    • TGI 已集成 Code Llama,以支持对其进行快速高效的产品级推理
    • 推理终端 (Inference Endpoints) 已集成 Code Llama
    • 对 Code Llama 的代码基准测试结果已发布

    代码大语言模型的发展对于软件工程师来说无疑是振奋人心的,因为这意味着他们可以通过 IDE 中的代码补全功能来提高生产力,并利用其来处理重复或烦人的任务,例如为代码编写文档字符串或创建单元测试。

    目录

    Code Llama 简介

    Code Llama 包含 3 个不同参数量的版本,分别为: 7 亿参数版、13 亿参数版 以及 340 亿参数版。在训练基础模型时,先用同等参数量的 Llama 2 模型初始化权重,然后在 5000 亿词元的代码数据集上训练。 Meta 还对训得的基础模型进行了两种不同风格的微调,分别为: Python 专家版 (再加 1000 亿个额外词元) ; 以及指令微调版,其可以理解自然语言指令。

    这些模型在 Python、C++、Java、PHP、C#、TypeScript 和 Bash 中都展现出最先进的性能。7B 和 13B 基础版和指令版支持完形填空,因此非常适合用作代码助手。

    Code Llama 基于 16k 上下文窗口训练。此外,这三个尺寸的模型还进行了额外的长上下文微调,使其上下文窗口最多可扩展至 10 万词元。

    受益于 RoPE 扩展方面的最新进展,将 Llama 2 的 4k 上下文窗口增加到 Code Llama 的 16k (甚至可以外插至 100k) 成为可能。社区发现可以对 Llama 的位置嵌入进行线性插值或频域插值,这使得通过微调让基础模型轻松扩展到更大的上下文窗口成为可能。在 Code Llama 中,他们把频域缩放和松弛技术二者结合起来: 微调长度是缩放后的预训练长度的一小部分。这个做法赋予了模型强大的外推能力。

    训练过程

    第一步是在 5000 亿词元的公开代码数据集上训练出一个模型。该数据集中除了有代码数据集外,还包含一些自然语言数据集,例如有关代码和代码片段的讨论,且最终数据集是使用近似去重法去过重的。不幸的是,Meta 没有披露有关该数据集的更多信息。

    在对模型进行指令微调时,使用了两个数据集: 为 Llama 2 Chat 收集的指令微调数据集和自指令数据集。自指令数据集收集了 Llama 2 编制出的编程面试问题,然后使用 Code Llama 生成单元测试和解答,最后通过执行测试来评估解答。

    如何使用 Code Llama?

    Transformers 从 4.33 版开始支持 Code Llama。在此之前,需要从主分支进行源代码安装才行。

    演示

    我们准备了 这个 Space 或下面的 Playground 以供大家尝试 Code Llama 模型 (130 亿参数!):

    这个演示背后使用了 Hugging Face TGIHuggingChat 也用了相同的技术,具体内容见下文。

    你还可以玩玩 这个聊天机器人,或者复制一份到自己的账号下以供你使用 – 它是自含的,因此你可以随心所欲地修改代码!

    Transformers

    从最新发布的 transformers 4.33 开始,你可以在 Code Llama 上应用 HF 生态系统中的所有工具,例如:

    • 训练和推理脚本和示例
    • 安全的文件格式 (safetensors )
    • bitsandbytes (4 比特量化) 和 PEFT 等工具结合使用
    • 运行模型生成所需的工具及辅助代码
    • 导出模型以进行部署的机制

    transformers 4.33 发布之前,用户需要从主分支源码安装 transformers

    !pip install git+https://github.com/huggingface/transformers.git@main accelerate

    代码补全

    我们可以使用 7B 和 13B 模型进行文本/代码补全或填充。下述代码演示了如何使用 pipeline 接口来进行文本补全。运行时,只需选择 GPU 即可在 Colab 的免费 GPU 上运行。

    from transformers import AutoTokenizer
    import transformers
    import torch
    tokenizer = AutoTokenizer.from_pretrained("codellama/CodeLlama-7b-hf")
    pipeline = transformers.pipeline(
    "text-generation",
    model="codellama/CodeLlama-7b-hf",
    torch_dtype=torch.float16,
    device_map="auto",
    )
    sequences = pipeline(
    'def fibonacci(',
    do_sample=True,
    temperature=0.2,
    top_p=0.9,
    num_return_sequences=1,
    eos_token_id=tokenizer.eos_token_id,
    max_length=100,
    )
    for seq in sequences:
    print(f"Result: {seq['generated_text']}")

    其输出如下:

    Result: def fibonacci(n):
    if n == 0:
    return 0
    elif n == 1:
    return 1
    else:
    return fibonacci(n-1) + fibonacci(n-2)
    def fibonacci_memo(n, memo={}):
    if n == 0:
    return 0
    elif n == 1:
    return

    Code Llama 虽然专精于代码理解,但其仍是一个语言模型。你仍然可以使用相同的生成策略来自动完成注释或自然语言文本。

    代码填充

    这是代码模型才能完成的专门任务。该模型经过训练后,可以生成与给定上下文最匹配的代码 (包括注释)。这是代码助理的典型使用场景: 要求它们根据上下文填充当前光标处的代码。

    此任务需要使用 7B 和 13B 的 基础指令 模型。任何 34B 或 Python 版模型不能用于此任务。

    填充类任务需要在生成时使用与训练时相同格式的输入文本,因为训练时会使用特殊的分隔符来区分提示的不同部分。幸运的是, transformersCodeLlamaTokenizer 已经帮你把这事做了,如下所示:

    from transformers import AutoTokenizer, AutoModelForCausalLM
    import transformers
    import torch
    model_id = "codellama/CodeLlama-7b-hf"
    tokenizer = AutoTokenizer.from_pretrained(model_id)
    model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.float16
    ).to("cuda")
    prompt = '''def remove_non_ascii(s: str) -> str:
    """
    return result
    '''
    input_ids = tokenizer(prompt, return_tensors="pt")["input_ids"].to("cuda")
    output = model.generate(
    input_ids,
    max_new_tokens=200,
    )
    output = output[0].to("cpu")
    filling = tokenizer.decode(output[input_ids.shape[1]:], skip_special_tokens=True)
    print(prompt.replace("", filling))

    输出如下:

    def remove_non_ascii(s: str) -> str:
    """ Remove non-ASCII characters from a string.
    Args:
    s: The string to remove non-ASCII characters from.
    Returns:
    The string with non-ASCII characters removed.
    """
    result = ""
    for c in s:
    if ord(c) < 128:
    result += c
    return result

    在底层,分词器会 自动按 分割 并生成一个格式化的输入字符串,其格式与 训练时的格式 相同。这样做既避免了用户自己格式化的很多麻烦,也避免了一些很难调试的陷阱,例如词元粘合 (token glueing)。

    对话式指令

    如上所述,基础模型可用于补全和填充。Code Llama 还包含一个适用于对话场景的指令微调模型。

    为此类任务准备输入时,我们需要一个提示模板。一个例子是我们在 Llama 2 博文 中描述的模板,如下:

    <s>[INST] <<SYS>>
    {{ system_prompt }}
    <SYS>>
    {{ user_msg_1 }} [/INST]{{ model_answer_1 }} s><s>[INST]{{ user_msg_2 }} [/INST]

    请注意,系统提示 ( system prompt ) 是可选的 - 没有它模型也能工作,但你可以用它来进一步指定模型的行为或风格。例如,如果你希望获得 JavaScript 的答案,即可在此声明。在系统提示之后,你需要提供对话交互历史: 用户问了什么以及模型回答了什么。与填充场景一样,你需要注意分隔符的使用。输入的最后必须是新的用户指令,这对模型而言是让其提供答案的信号。

    以下代码片段演示了如何在实际工作中使用该模板。

    1. 首次用户输入,无系统提示
    user = 'In Bash, how do I list all text files in the current directory (excluding subdirectories) that have been modified in the last month?'
    prompt = f"[INST]{user.strip()} [/INST]"
    inputs = tokenizer(prompt, return_tensors="pt", add_special_tokens=False).to("cuda")
    1. 首次用户查询,有系统提示
    system = "Provide answers in JavaScript"
    user = "Write a function that computes the set of sums of all contiguous sublists of a given list."
    prompt = f"<>\\n{system}\\n<>\\n\\n{user}"
    inputs = tokenizer(prompt, return_tensors="pt", add_special_tokens=False).to("cuda")
    1. 含对话历史的多轮对话

    该过程与 Llama 2 中的过程相同。为了最清楚起见,我们没有使用循环或泛化此示例代码:

    system = "System prompt"
    user_1 = "user_prompt_1"
    answer_1 = "answer_1"
    user_2 = "user_prompt_2"
    answer_2 = "answer_2"
    user_3 = "user_prompt_3"
    prompt = f"<>\\n{system}\\n<>\\n\\n{user_1}"
    prompt = f"[INST]{prompt.strip()} [/INST]{answer_1.strip()} "
    prompt += f"[INST]{user_2.strip()} [/INST]{answer_2.strip()} "
    prompt += f"[INST]{user_3.strip()} [/INST]"
    inputs = tokenizer(prompt, return_tensors="pt", add_special_tokens=False).to("cuda")

    4 比特加载

    将 Code Llama 集成到 Transformers 中意味着我们可以立即获得 4 比特加载等高级功能的支持。这使得用户可以在英伟达 3090 卡等消费类 GPU 上运行大型的 32B 参数量模型!

    以下是在 4 比特模式下运行推理的方法:

    from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig
    import torch
    model_id = "codellama/CodeLlama-34b-hf"
    quantization_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_compute_dtype=torch.float16
    )
    tokenizer = AutoTokenizer.from_pretrained(model_id)
    model = AutoModelForCausalLM.from_pretrained(
    model_id,
    quantization_config=quantization_config,
    device_map="auto",
    )
    prompt = 'def remove_non_ascii(s: str) -> str:\n """ '
    inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
    output = model.generate(
    inputs["input_ids"],
    max_new_tokens=200,
    do_sample=True,
    top_p=0.9,
    temperature=0.1,
    )
    output = output[0].to("cpu")
    print(tokenizer.decode(output))

    使用 TGI 和推理终端

    TGI 是 Hugging Face 开发的生产级推理容器,可用于轻松部署大语言模型。它包含连续批处理、流式输出、基于张量并行的多 GPU 快速推理以及生产级的日志记录和跟踪等功能。

    你可以在自己的基础设施上使用 TGI,也可以使用 Hugging Face 的 推理终端。要部署 Codellama 2 模型,请登陆其 模型页面,然后单击 Deploy -> Inference Endpoints 按钮。

    • 推理 7B 模型,我们建议选择“GPU [medium] - 1x Nvidia A10G”。
    • 推理 13B 模型,我们建议选择“GPU [xlarge] - 1x Nvidia A100”。
    • 推理 34B 模型,我们建议启用 bitsandbytes 量化并选择“GPU [1xlarge] - 1x Nvidia A100”或“GPU [2xlarge] - 2x Nvidia A100”

    注意: 你可能需要发邮件给 api-enterprise@huggingface.co 申请配额升级才能访问 A100

    你可以在我们的博文中详细了解如何 使用 Hugging Face 推理终端部署 LLM,该 博文 还包含了有关其支持的超参以及如何使用 Python 和 Javascript API 流式生成文本的相关知识。

    评估

    代码语言模型通常在 HumanEval 等数据集上进行基准测试,其包含了一系列编程题,我们将函数签名和文档字符串输入给模型,模型需要完成函数体代码的编写。接着是运行一组预定义的单元测试来验证所提出的解答。最后是报告通过率,即有多少解答通过了所有测试。pass@1 度量了模型一次生成即通过的频率,而 pass@10 描述了模型生成 10 个候选解答其中至少有一个解答通过的频率。

    虽然 HumanEval 是一个 Python 基准测试,但社区付出了巨大努力将其转成更多编程语言,从而实现更全面的评估。其中一种方法是 MultiPL-E,它将 HumanEval 翻译成十多种编程语言。我们正在基于其制作一个 多语言代码排行榜,这样社区就可以用它来比较不同模型在各种编程语言上的表现,以评估哪个模型最适合他们的需求。

    模型 许可证 训练数据集是否已知 是否可商用 预训练词元数 Python JavaScript Leaderboard Avg Score
    CodeLlaMa-34B Llama 2 license 2,500B 45.11 41.66 33.89
    CodeLlaMa-13B Llama 2 license 2,500B 35.07 38.26 28.35
    CodeLlaMa-7B Llama 2 license 2,500B 29.98 31.8 24.36
    CodeLlaMa-34B-Python Llama 2 license 2,620B 53.29 44.72 33.87
    CodeLlaMa-13B-Python Llama 2 license 2,620B 42.89 40.66 28.67
    CodeLlaMa-7B-Python Llama 2 license 2,620B 40.48 36.34 23.5
    CodeLlaMa-34B-Instruct Llama 2 license 2,620B 50.79 45.85 35.09
    CodeLlaMa-13B-Instruct Llama 2 license 2,620B 50.6 40.91 31.29
    CodeLlaMa-7B-Instruct Llama 2 license 2,620B 45.65 33.11 26.45
    StarCoder-15B BigCode-OpenRail-M 1,035B 33.57 30.79 22.74
    StarCoderBase-15B BigCode-OpenRail-M 1,000B 30.35 31.7 22.4
    WizardCoder-15B BigCode-OpenRail-M 1,035B 58.12 41.91 32.07
    OctoCoder-15B BigCode-OpenRail-M 1,000B 45.3 32.8 24.01
    CodeGeeX-2-6B CodeGeeX License 2,000B 33.49 29.9 21.23
    CodeGen-2.5-7B-Mono Apache-2.0 1400B 45.65 23.22 12.1
    CodeGen-2.5-7B-Multi Apache-2.0 1400B 28.7 26.27 20.04

    注意: 上表中的分数来自我们的代码排行榜,所有模型均使用相同的设置。欲了解更多详情,请参阅 排行榜

    其他资源

    🤗 宝子们可以戳 阅读原文 查看文中所有的外部链接哟!


    英文原文: https://hf.co/blog/codellama

    原文作者: Philipp Schmid,Omar Sanseviero,Pedro Cuenca,Lewis Tunstall,Leandro von Werra,Loubna Ben Allal,Arthur Zucker,Joao Gante

    译者: Matrix Yao (姚伟峰),英特尔深度学习工程师,工作方向为 transformer-family 模型在各模态数据上的应用及大规模模型的训练推理。

    审校/排版: zhongdongy (阿东)

  • 相关阅读:
    Redis篇之设置外网可访问redis的方法
    【Java面试】RDB 和 AOF 的实现原理、优缺点
    curl verbose模式有什么用
    【视频教程】统计方法在变量变化及变量间关系分析中的应用
    Linux网络流量安全审计的神器
    ## Virtualbox连内网后,宿主机可以直接访问内网的设置
    Docker进入容器出现:bash: vi: command not found
    LeetCode 643. Maximum Average Subarray I
    C进阶-动态内存管理
    SpringBoot中pom.xml配置详解
  • 原文地址:https://www.cnblogs.com/huggingface/p/17686121.html