RWKV/rwkv-5-world-3b的详细解读

210次阅读

RWKV/rwkv-5-world-3b 的详细解读

https://huggingface.co/RWKV/rwkv-5-world-3b 该模型名为 RWKV/rwkv-5-world-3b，是一种用于文本生成的模型，使用 Transformers 库和 PyTorch 框架进行开发。

🔍 模型的主要信息：

模型类型：用于文本生成的 Transformer 模型
语言库：PyTorch
标签：rwkv5

⚙️ 模型的使用：

该模型可以通过 Hugging Face 的 Transformers 库进行调用。页面提供了在 CPU 和 GPU 上运行模型的代码示例。代码分为几个部分：

首先，从 Hugging Face 模型库导入 AutoModelForCausalLM 和 AutoTokenizer。
然后，使用模型和 tokenizer 的预训练版本来实例化模型和 tokenizer。
接着，定义一个文本提示，然后使用 tokenizer 处理这个提示，将其转换为模型可以理解的格式。
最后，使用模型生成一段新的文本，并将结果解码为可读的文本。

🖥️ 代码示例：

在 CPU 上运行的代码：

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("RWKV/rwkv-5-world-3b", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("RWKV/rwkv-5-world-3b", trust_remote_code=True)

text = "\nIn a shocking finding, scientist discovered a herd of dragons living in a remote, previously unexplored valley, in Tibet. Even more surprising to the researchers was the fact that the dragons spoke perfect Chinese."
prompt = f'Question: {text.strip()}\n\nAnswer:'

inputs = tokenizer(prompt, return_tensors="pt")
output = model.generate(inputs["input_ids"], max_new_tokens=256)
print(tokenizer.decode(output[0].tolist(), skip_special_tokens=True))

在 GPU 上运行的代码：

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("RWKV/rwkv-5-world-3b", trust_remote_code=True).to(0)
tokenizer = AutoTokenizer.from_pretrained("RWKV/rwkv-5-world-3b", trust_remote_code=True)

text = "请介绍北京的旅游景点"
prompt = f'Question: {text.strip()}\n\nAnswer:'

inputs = tokenizer(prompt, return_tensors="pt").to(0)
output = model.generate(inputs["input_ids"], max_new_tokens=256, do_sample=True, temperature=1.0, top_p=0.1, top_k=0, )
print(tokenizer.decode(output[0].tolist(), skip_special_tokens=True))

📊 模型的统计数据：