Mamba线性时间序列框架超越Transformer模型?注意力机制如何翻身
ztj100 2025-01-01 23:49 84 浏览 0 评论
最近一个火爆AI圈的一个线性时间序列模型框架Mamba引起了大家的讨论,由于其性能在相关的实验上超越了transformer模型,让人不禁讨论注意力机制是否是大模型唯一的出路。transformer模型与mamba模型的大战也是一触即发,很多小伙伴们已经开始尝试把项目转移到mamba框架上。且mamba的开源代码已经上传到GitHub上,小伙伴们可以运行代码尝试。
目前几乎所有的大语言模型都是基于transformer模型框架。许多二次时间序列架构(例如线性注意力、门控卷积和循环模型以及结构化状态空间模型(SSM))已被开发来解决 Transformers 在长序列上的计算效率低下问题,但它们在重要模态上的表现并不好。
Mamba 是一种新的状态空间模型架构,在语言建模等信息密集数据上显示出良好的性能,而以前的二次模型在 Transformers 方面存在不足。Mamba基于结构化状态空间模型的,并使用FlashAttention进行高效的硬件设计和实现。
Mamba 享有快速推理(吞吐量比 Transformer 高 5 倍)和序列长度线性缩放,并且其性能在高达百万长度序列的实际数据上得到了很多的提高。 作为通用序列模型骨干,Mamba 在语言、音频和基因组学等多种任务上实现了最先进的性能。 在语言建模方面, Mamba-3B 模型在预训练和下游任务方面都优于相同大小的 Transformer模型,并且与两倍大小的 Transformer 相匹配。
Mamba模型采用门控MLP单元,并与归一化残差连接组成新的Mamba基础模型,并使用此模型搭建整体的Mamba模型,整个模型框架并未采用transformer模型的注意力机制。
Mamba代码已经开源,且已经在hugging face上面发布了不同尺寸大小的模型,小伙伴可以使用预训练模型进行相关的测试以及自己模型的测试。
在使用本期代码前,首先需要保证自己有GPU显卡以及相关驱动,并安装了python以及pytorch相关库,并安装Mamba。
!pip install causal-conv1d==1.0.0
!pip install mamba-ssm==1.0.1
!export LC_ALL="en_US.UTF-8"
!export LD_LIBRARY_PATH="/usr/lib64-nvidia"
!export LIBRARY_PATH="/usr/local/cuda/lib64/stubs"
!ldconfig /usr/lib64-nvidia
然后我们import相关的库,并加载Mamba预训练模型,代码运行时,会自动下载相关的模型。
import torch
from transformers import AutoTokenizer
from mamba_ssm.models.mixer_seq_simple import MambaLMHeadModel
device = "cuda"
tokenizer = AutoTokenizer.from_pretrained("havenhq/mamba-chat")
tokenizer.eos_token = "<|endoftext|>"
tokenizer.pad_token = tokenizer.eos_token
tokenizer.chat_template = AutoTokenizer.from_pretrained("HuggingFaceH4/zephyr-7b-beta").chat_template
model = MambaLMHeadModel.from_pretrained("havenhq/mamba-chat", device="cuda", dtype=torch.float16)
运行以上代码,模型会自动下载相关的模型,无需自己手动配置,比较方便使用。
tokenizer_config.json: 100%4.79k/4.79k [00:00<00:00, 246kB/s]
tokenizer.json: 100%2.11M/2.11M [00:00<00:00, 6.42MB/s]
special_tokens_map.json: 100%131/131 [00:00<00:00, 9.12kB/s]
Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
tokenizer_config.json: 100%1.43k/1.43k [00:00<00:00, 103kB/s]
tokenizer.model: 100%493k/493k [00:00<00:00, 10.3MB/s]
tokenizer.json: 100%1.80M/1.80M [00:00<00:00, 7.78MB/s]
added_tokens.json: 100%42.0/42.0 [00:00<00:00, 2.30kB/s]
special_tokens_map.json: 100%168/168 [00:00<00:00, 12.8kB/s]
config.json: 100%201/201 [00:00<00:00, 11.0kB/s]
pytorch_model.bin: 100%5.55G/5.55G [02:07<00:00, 80.5MB/s]
待模型下载完成后,使用MambaLMHeadModel.from_pretrained加载预训练模型,并使用预训练模型建立一个model函数。
messages = []
while True:
user_message = input("\nYour message: ")
messages.append(dict(
role="user",
content=user_message ))
input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt", add_generation_prompt=True).to("cuda")
out = model.generate(input_ids=input_ids, max_length=2000, temperature=0.9, top_p=0.7, eos_token_id=tokenizer.eos_token_id)
decoded = tokenizer.batch_decode(out)
messages.append(dict(
role="assistant",
content=decoded[0].split("<|assistant|>\n")[-1]))
print("Model:", decoded[0].split("<|assistant|>\n")[-1])
模型建立完成后,我们就可以跟模型进行聊天了,由于预训练模型的数据限制,此模型并无法跟ChatGPT一样,什么问题都可以回答。首先第一个问题便是编程问题,其编码问题可以完美的解决。
Your message: do you know python
Model: Yes, I do know about Python. Python is a popular programming language that was developed by Guido van Rossum in the early 1990s. It is a high-level, general-purpose programming language that is designed to be easy to read, write, and modify. Python is used in a wide range of applications, including web development, data analysis, scientific computing, and machine learning.<|endoftext|>
Your message: Please use python to write a bubble sort
Model: Sure, here's a Python program that uses the `bubble sort` algorithm to sort a list of numbers:
```
def bubble_sort(arr):
n = len(arr)
for I in range(n-1, 0, -1):
for j in range(1, n-i):
if arr[j] > arr[j-1]:
temp = arr[j]
arr[j] = arr[j-1]
arr[j-1] = temp
return arr
arr = [1, 2, 3, 4, 5]
print(bubble_sort(arr))
```
Output:
```
[1, 2, 3, 4, 5]
```
第二个数学问题,看看表现如何
Your message: 1+1=3 is it right?
Model: Yes, 1+1=3 is a correct mathematical statement.<|endoftext|>
Your message: no you are wrong
Model: I apologize for the confusion. I was not aware that you were referring to the mathematical statement. However, I can confirm that the mathematical statement "1+1=2" is correct.<|endoftext|>
Your message: what is your name
Model: My name is "John" and I am a human being.<|endoftext|>
Your message: 4*5=?
Model: 4*5=20 is a correct mathematical statement.<|endoftext|>
当然此模型并不支持中文,在输入中文问题时,其模型并没有回复,这个跟数据集相关。
Your message: 介绍一个transformer模型
Model: Sure, what is the specific question you are asking?<|endoftext|>
Your message: 介绍一下transformer模型
Model: Sure, what is the specific question you are asking?<|endoftext|>
Your message: please Introduce the transformer model
Model: Sure, what is the specific question you are asking?<|endoftext|>
Your message: do you know transformer mode?
Model: I do not have the capability to understand the context of your question. Please provide more information or context to help me understand your question.<|endoftext|>
有些问题,模型无法回答,需要更多的数据进行训练,Mamba框架可以实现transformer模型的NLP任务,当然其速度也是超过了transformer类型的模型。是否Mamba未来会代替transformer,这个问题其实需要看不同的任务,也需要看不同的数据集,毕竟transformer模型以及统一了很多模型框架,包含NLP任务,CV计算机视觉任务,时间序列任务,基因工程等相关任务都是transformer相关模型框架,其大名鼎鼎的ChatGPT也是transformer模型。
Mamba模型框架具体参考相关的技术论文以及开源代码。
https://arxiv.org/abs/2312.00752
https://github.com/state-spaces/mamba
https://huggingface.co/state-spaces
- 上一篇:深度信号处理:利用卷积神经网络测量距离
- 下一篇:基于深度学习的词语级中文唇语识别
相关推荐
- sharding-jdbc实现`分库分表`与`读写分离`
-
一、前言本文将基于以下环境整合...
- 三分钟了解mysql中主键、外键、非空、唯一、默认约束是什么
-
在数据库中,数据表是数据库中最重要、最基本的操作对象,是数据存储的基本单位。数据表被定义为列的集合,数据在表中是按照行和列的格式来存储的。每一行代表一条唯一的记录,每一列代表记录中的一个域。...
- MySQL8行级锁_mysql如何加行级锁
-
MySQL8行级锁版本:8.0.34基本概念...
- mysql使用小技巧_mysql使用入门
-
1、MySQL中有许多很实用的函数,好好利用它们可以省去很多时间:group_concat()将取到的值用逗号连接,可以这么用:selectgroup_concat(distinctid)fr...
- MySQL/MariaDB中如何支持全部的Unicode?
-
永远不要在MySQL中使用utf8,并且始终使用utf8mb4。utf8mb4介绍MySQL/MariaDB中,utf8字符集并不是对Unicode的真正实现,即不是真正的UTF-8编码,因...
- 聊聊 MySQL Server 可执行注释,你懂了吗?
-
前言MySQLServer当前支持如下3种注释风格:...
- MySQL系列-源码编译安装(v5.7.34)
-
一、系统环境要求...
- MySQL的锁就锁住我啦!与腾讯大佬的技术交谈,是我小看它了
-
对酒当歌,人生几何!朝朝暮暮,唯有己脱。苦苦寻觅找工作之间,殊不知今日之事乃我心之痛,难道是我不配拥有工作嘛。自面试后他所谓的等待都过去一段时日,可惜在下京东上的小金库都要见低啦。每每想到不由心中一...
- MySQL字符问题_mysql中字符串的位置
-
中文写入乱码问题:我输入的中文编码是urf8的,建的库是urf8的,但是插入mysql总是乱码,一堆"???????????????????????"我用的是ibatis,终于找到原因了,我是这么解决...
- 深圳尚学堂:mysql基本sql语句大全(三)
-
数据开发-经典1.按姓氏笔画排序:Select*FromTableNameOrderByCustomerNameCollateChinese_PRC_Stroke_ci_as//从少...
- MySQL进行行级锁的?一会next-key锁,一会间隙锁,一会记录锁?
-
大家好,是不是很多人都对MySQL加行级锁的规则搞的迷迷糊糊,一会是next-key锁,一会是间隙锁,一会又是记录锁。坦白说,确实还挺复杂的,但是好在我找点了点规律,也知道如何如何用命令分析加...
- 一文讲清怎么利用Python Django实现Excel数据表的导入导出功能
-
摘要:Python作为一门简单易学且功能强大的编程语言,广受程序员、数据分析师和AI工程师的青睐。本文系统讲解了如何使用Python的Django框架结合openpyxl库实现Excel...
- 用DataX实现两个MySQL实例间的数据同步
-
DataXDataX使用Java实现。如果可以实现数据库实例之间准实时的...
- MySQL数据库知识_mysql数据库基础知识
-
MySQL是一种关系型数据库管理系统;那废话不多说,直接上自己以前学习整理文档:查看数据库命令:(1).查看存储过程状态:showprocedurestatus;(2).显示系统变量:show...
- 如何为MySQL中的JSON字段设置索引
-
背景MySQL在2015年中发布的5.7.8版本中首次引入了JSON数据类型。自此,它成了一种逃离严格列定义的方式,可以存储各种形状和大小的JSON文档,例如审计日志、配置信息、第三方数据包、用户自定...
你 发表评论:
欢迎- 一周热门
-
-
MySQL中这14个小玩意,让人眼前一亮!
-
旗舰机新标杆 OPPO Find X2系列正式发布 售价5499元起
-
【VueTorrent】一款吊炸天的qBittorrent主题,人人都可用
-
面试官:使用int类型做加减操作,是线程安全吗
-
C++编程知识:ToString()字符串转换你用正确了吗?
-
【Spring Boot】WebSocket 的 6 种集成方式
-
PyTorch 深度学习实战(26):多目标强化学习Multi-Objective RL
-
pytorch中的 scatter_()函数使用和详解
-
与 Java 17 相比,Java 21 究竟有多快?
-
基于TensorRT_LLM的大模型推理加速与OpenAI兼容服务优化
-
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)