目录

一、引言 

二、文本生成（text-generation）

2.1 概述

2.2 家谱树谱——encoder or decoder is a problem

2.3 pipeline参数

2.3.1 pipeline对象实例化参数

2.3.2 pipeline对象使用参数 ​​​​​​​

2.3.3 pipeline返回参数 ​​​​​​​​​​​​​​

2.4 pipeline实战

2.5 模型排名

三、总结

一、引言 

 pipeline（管道）是huggingface transformers库中一种极简方式使用大模型推理的抽象，将所有大模型分为音频（Audio）、计算机视觉（Computer vision）、自然语言处理（NLP）、多模态（Multimodal）等4大类，28小类任务（tasks）。共计覆盖32万个模型

今天介绍NLP自然语言处理的第六篇：文本生成（text-generation），在huggingface库内有13.4万个文本生成（text-generation））模型，当仁不让为最重要的task，当前主流的大语言模型，比如国外的llama3、gemma、Phi、GPT，国内的Qwen、Baichuan都属于这个任务。

二、文本生成（text-generation）

2.1 概述

生成文本是根据一段文本生成新文本的任务。例如，这些模型可以填充不完整的文本或释义。

2.2 家谱树谱——encoder or decoder is a problem

关于各家大语言模型（LLM）的原理、训练、部署、推理之前讲了非常多，本篇博文不再进行复述，如果需要的话可以翻我之前的博客，非常用心与详细。今天主要带大家看一下大语言模型（LLM）的家族树谱。

 主要分为

Encoder-Only，仅编码器模型：主要使用transformer的encode部分进行层层堆叠，多用于掩码任务，通过上下文决定缺失的内容，做填空任务。代表模型为大名鼎鼎的BERT，以及他的衍生品RoBERTa、DeBERTa、DistilBERT等，当然还有早期的FastText、Word2Vec等 Encoder-Decoder联合体：将transformer的编码器和解码器结合使用，代表模型为GLM、T5、BART等Decoder-Only，仅解码器模型：主要使用transformer的decode部分，多用于生成型的任务，基于前面提供的信息，生成后面的内容。代表模型为GPT、BLOOM、Claude等

2.3 pipeline参数

2.3.1 pipeline对象实例化参数

model（PreTrainedModel或TFPreTrainedModel）— 管道将使用其进行预测的模型。 对于 PyTorch，这需要从PreTrainedModel继承；对于 TensorFlow，这需要从TFPreTrainedModel继承。tokenizer ( PreTrainedTokenizer ) — 管道将使用 tokenizer 来为模型编码数据。此对象继承自 PreTrainedTokenizer。modelcard（str或ModelCard，可选） — 属于此管道模型的模型卡。framework（str，可选）— 要使用的框架，"pt"适用于 PyTorch 或"tf"TensorFlow。必须安装指定的框架。task（str，默认为""）— 管道的任务标识符。num_workers（int，可选，默认为 8）— 当管道将使用DataLoader（传递数据集时，在 Pytorch 模型的 GPU 上）时，要使用的工作者数量。batch_size（int，可选，默认为 1）— 当管道将使用DataLoader（传递数据集时，在 Pytorch 模型的 GPU 上）时，要使用的批次的大小，对于推理来说，这并不总是有益的，请阅读使用管道进行批处理。args_parser（ArgumentHandler，可选） - 引用负责解析提供的管道参数的对象。device（int，可选，默认为 -1）— CPU/GPU 支持的设备序号。将其设置为 -1 将利用 CPU，设置为正数将在关联的 CUDA 设备 ID 上运行模型。您可以传递本机torch.device或str太torch_dtype（str或torch.dtype，可选） - 直接发送model_kwargs（只是一种更简单的快捷方式）以使用此模型的可用精度（torch.float16，，torch.bfloat16...或"auto"）binary_output（bool，可选，默认为False）——标志指示管道的输出是否应以序列化格式（即 pickle）或原始输出数据（例如文本）进行。

2.3.2 pipeline对象使用参数 ​​​​​​​

text_inputs（str，List[str]，List[Dict[str, str]]，或List[List[Dict[str, str]]]）— 需要完成的一个或多个提示（或一个提示列表）。如果传递了字符串或字符串列表，则此管道将继续每个提示。或者，可以传递“聊天”（以带有“role”和“content”键的字典列表的形式），或传递此类聊天的列表。传递聊天时，将使用模型的聊天模板对其进行格式化，然后再将其传递给模型。return_tensors ( bool，可选，默认为False) — 是否在输出中返回预测的张量（作为标记索引）。如果设置为 True，则不返回解码后的文本。return_text（bool，可选，默认为True）— 是否在输出中返回解码后的文本。return_full_text（bool，可选，默认为True）— 如果设置为，False则仅返回添加的文本，否则返回全文。仅当 return_text设置为 True 时才有意义。clean_up_tokenization_spaces（bool，可选，默认为True）—是否清理文本输出中可能出现的额外空格。prefix（str，可选）— 添加到提示的前缀。handle_long_generation（str，可选）— 默认情况下，此管道不处理长生成（以某种形式超出模型最大长度的生成）。generate_kwargs（dict，可选）——传递给模型的生成方法的附加关键字参数（请参阅此处与您的框架相对应的生成方法）。

2.3.3 pipeline返回参数 ​​​​​​​​​​​​​​

generated_text（str，出现时间return_text=True）——生成的文本。generated_token_ids（torch.Tensor或tf.Tensor，当存在时return_tensors=True）— 生成文本的标记 ID。

2.4 pipeline实战

本文实战方面只对pipeline的使用方法进行阐述，每家的模型都有自己的参数、范式，更详细的使用可以翻看我之前的博文，写的全面一些。这里介绍两种pipeline使用方法：

针对基础模型，直接返回补全的结果。针对对话模型，它还可以接受一个或多个聊天，在这种情况下，pipeline将以聊天模式运行，并通过添加其响应来继续聊天。每个聊天都采用字典列表的形式，其中每个字典包含“role”和“context”键

import os

os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"

os.environ["CUDA_VISIBLE_DEVICES"] = "2"

from transformers import pipeline

generator = pipeline(task="text-generation",model= "openai-community/gpt2" )code>

output=generator( "我不敢相信你做了这样的事 " , do_sample= False )

print(output)

generator = pipeline(task="text-generation",model= "HuggingFaceH4/zephyr-7b-beta" )code>

output=generator([{ "role" : "user" , "content" : "法国的首都是什么？用一个词回答。" }], do_sample= False , max_new_tokens= 2 )

print(output)

执行后，自动下载模型文件并进行识别：

2.5 模型排名