在Colab运行Mamba模型全攻略

在我们之前的文章中，我们介绍了研究人员提出了一种挑战Transformer的新架构Mamba。

他们的研究表明，Mamba是一种状态空间模型（SSM），在多种模式（如语言、音频和时间序列）中展现出了卓越的性能。为了证明这一点，研究人员使用Mamba-3B模型进行了语言建模实验。该模型超越了同等大小的Transformer模型，并且在预训练和下游评估期间，其表现与大小为其两倍的Transformer模型相当。

Mamba的独特之处在于其快速处理能力、选择性SSM层以及受FlashAttention启发的硬件友好设计。这些特点使Mamba超越了Transformer（Transformer没有传统的注意力和MLP块）。

许多人希望亲自测试Mamba的效果，因此本文整理了一个可以在Colab上完整运行的Mamba代码示例，并使用了Mamba官方的3B模型进行实际运行测试。

首先，我们需要安装依赖，这是官网推荐的：

!pip install causal-conv1d==1.0.0
!pip install mamba-ssm==1.0.1

接下来，直接使用transformers库读取预训练的Mamba-3B模型：

import torch
import os
from transformers import AutoTokenizer
from mamba_ssm.models.mixer_seq_simple import MambaLMHeadModel

tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neox-20b")
model = MambaLMHeadModel.from_pretrained(os.path.expanduser("state-spaces/mamba-2.8b"), device="cuda", dtype=torch.bfloat16)

可以看到，3B的模型大小为11G。

然后进行内容生成测试：

tokens = tokenizer("What is the meaning of life", return_tensors="pt")
input_ids = tokens.input_ids.to(device="cuda")
max_length = input_ids.shape[1] + 80

fn = lambda: model.generate(
    input_ids=input_ids, max_length=max_length, cg=True,
    return_dict_in_generate=True, output_scores=True,
    enable_timing=False, temperature=0.1, top_k=10, top_p=0.1,
)

out = fn()
print(tokenizer.decode(out[0][0]))

这里还有一个聊天示例：

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 = ""
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)

messages = []
user_message = """What is the date for announcement On August 10 said that its arm JSW Neo Energy has agreed to buy a portfolio of 1753 mega watt renewable energy generation capacity from Mytrah Energy India Pvt Ltd for Rs 10,530 crore."""

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("\n")[-1]))
print("Model:", decoded[0].split("\n")[-1])

我已经将所有代码整理成Colab Notebook，有兴趣的可以直接使用：

https://colab.research.google.com/drive/1JyZpvncfSvtFZNOr3TU17Ff0BW5Nd_my?usp=sharing