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 65 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
- Win10预览版10532已知问题汇总(微软win11正式版已知问题一览)
-
IT之家讯微软已向Insider用户推送了Win10预览版10532更新,本次更新对右键菜单、《Windows反馈》应用以及Edge浏览器进行了改进。除此之外还包含一些Bug,汇总如下,有意升级Wi...
- Gabe Aul正测试Win10 Mobile 10532,Insider用户还需等
-
IT之家讯本月中旬微软向Insider用户推送了Win10Mobile预览版10512,该版本修复了一些Bug,增强了系统稳定性,但依然存在一些问题。今天,微软Insider项目负责人GabeAu...
- 微软开始推送Win10预览版10532快速版更新
-
8月28日消息,刚才,微软推送了Win10Build10532快速版,修复了之前的Bug,并带来了三项改进。主要来说,这次的更新改进了右键菜单的UI,使其更具Modern风格(见上图)。此外,更新...
- Win10预览版10532更新内容大全(windows10更新预览版)
-
IT之家讯今天凌晨微软向Insider用户推送了Win10预览版10532快速版更新,本次更新主要带来了三处改进,汇总如下:o改进右键菜单,外观更加Modern。这是基于网友要求界面一致的反馈做出...
- 无法升级Win10预览版10532?也许Hyper-V在搞鬼
-
根据IT之家网友的反映,安装了微软虚拟机Hyper-V的Win10预览版用户无法成功升级Build10532版本,安装过程中会被要求回滚系统。很多朋友在尝试关闭虚拟机之后重启安装程序,结果仍然无法顺...
- Win10预览版10532界面兴起“酷黑”风潮
-
Win10预览版10532的界面改动还是较为明显的,主要体现在右键菜单上面。总体来看,该版本的右键菜单间距更宽,视觉上更大气,操作上更便于触控。具体来说,任务栏右键菜单的变化最为明显。除了增加选项的宽...
- Win10预览版10532上手图集(windows10预览版下载)
-
IT之家讯8月28日,微软今天推送了Win10预览版10532快速版更新,在该版本中,微软主要是加强细节上调整,并且主要是增强Edge浏览器性能等。在Windows10预览版10532中,微软改进了...
- Win10预览版10532上手视频亮点演示
-
IT之家讯8月28日消息,今天凌晨微软向WindowsInsider快速通道用户推送了Win10预览版10532。在Windows10预览版10532中,微软改进了右键菜单,外观更加现代化。另外还...
- 第二篇 前端框架Vue.js(vue前端框架技术)
-
前端三大核心是网页开发的基础,Vue则是基于它们构建的“生产力工具”。通俗理解就是HTML是化妆的工具如眉笔,CSS是化妆品如口红,JavaScript是化妆后的互动,而Vue就是化妆助手。有了化妆工...
- 基于SpringBoot + vue2实现的旅游推荐管理系统
-
项目描述...
- 基于Vue以及iView组件的后端管理UI模板——iview-admin
-
介绍iView-admin是一套后端管理界面模板,基于Vue2.0,iView(现在为ViewUI)组件是一套完整的基于Vue的高质量组件库,虽然Github上有一套非常火的基于ElementUI...
- 别再说你会SPA开发了,这5个核心你真的搞懂了吗?
-
前言此spa非彼spa,不是你所熟知的spa。你所熟知的spa作者肯定是没有你熟悉的。我们这里指的是在前端开发中的一种模型,叫作单页应用程序,顾名思义,就是整个项目只有一个页面,而页面中的内容是动态的...
- React.js Top20面试题(react.js中文官网)
-
概述作为React开发者,对框架的关键概念和原则有扎实的理解是很重要的。考虑到这一点,我整理了一份包含20个重要问题的清单,每个React开发者都应该知道,无论他们是在面试工作还是只是想提高技能。...
- 美媒:特朗普签署行政令后,FBI又发现约2400份、总计超14000页涉肯尼迪遇刺案文件
-
来源:环球时报新媒体1月23日特朗普下令公布肯尼迪遇刺案相关机密文件图源:美媒综合福克斯新闻网和Axios网站10日报道,在总统特朗普签署行政令,要求公布“肯尼迪遇刺案”相关政府机密文件之后,美国...
- 2021 年 Node.js 开发人员学习路线图
-
Node.js自发布以来,已成为业界重要破局者之一。Uber、Medium、PayPal和沃尔玛等大型企业,纷纷将技术栈转向Node.js。Node.js支持开发功能强大的应用,例如实时追踪...
你 发表评论:
欢迎- 一周热门
- 最近发表
-
- Win10预览版10532已知问题汇总(微软win11正式版已知问题一览)
- Gabe Aul正测试Win10 Mobile 10532,Insider用户还需等
- 微软开始推送Win10预览版10532快速版更新
- Win10预览版10532更新内容大全(windows10更新预览版)
- 无法升级Win10预览版10532?也许Hyper-V在搞鬼
- Win10预览版10532界面兴起“酷黑”风潮
- Win10预览版10532上手图集(windows10预览版下载)
- Win10预览版10532上手视频亮点演示
- 第二篇 前端框架Vue.js(vue前端框架技术)
- 基于SpringBoot + vue2实现的旅游推荐管理系统
- 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)