配置参考

注意:此 API 处于预览阶段,可能会发生变化。

如果模型是使用模型构建器生成的,则会自动生成一个名为 `genai_config.json` 的配置文件。如果您提供自己的模型,可以复制下面的示例并根据您的场景进行修改。

phi-2 的示例文件

{
    "model": {
        "bos_token_id": 50256,
        "context_length": 2048,
        "decoder": {
            "session_options": {
                "log_id": "onnxruntime-genai",
                "provider_options": [
                    {
                        "cuda": {}
                    }
                ]
            },
            "filename": "model.onnx",
            "head_size": 80,
            "hidden_size": 2560,
            "inputs": {
                "input_ids": "input_ids",
                "attention_mask": "attention_mask",
                "position_ids": "position_ids",
                "past_key_names": "past_key_values.%d.key",
                "past_value_names": "past_key_values.%d.value"
            },
            "outputs": {
                "logits": "logits",
                "present_key_names": "present.%d.key",
                "present_value_names": "present.%d.value"
            },
            "num_attention_heads": 32,
            "num_hidden_layers": 32,
            "num_key_value_heads": 32
        },
        "eos_token_id": 50256,
        "pad_token_id": 50256,
        "type": "phi",
        "vocab_size": 51200
    },
    "search": {
        "diversity_penalty": 0.0,
        "do_sample": false,
        "early_stopping": true,
        "length_penalty": 1.0,
        "max_length": 20,
        "min_length": 0,
        "no_repeat_ngram_size": 0,
        "num_beams": 1,
        "num_return_sequences": 1,
        "past_present_share_buffer": true,
        "repetition_penalty": 1.0,
        "temperature": 1.0,
        "top_k": 50,
        "top_p": 1.0
    }
}

配置

模型部分

通用模型配置

  • type:模型类型。可以是 phi、llama 或 gpt。

  • vocab_size:模型处理的词汇表大小,即词汇表中的 token 数量。

  • bos_token_id:序列开始 token 的 ID。

  • eos_token_id:序列结束 token 的 ID。

  • pad_token:填充 token 的 ID。

  • context_length:模型可以处理的最大序列长度。

会话选项

这些是传递给 ONNX Runtime 的选项,ONNX Runtime 在每次 token 生成迭代时运行模型。

  • provider_options:一个按优先级排序的执行目标列表,模型将在这些目标上运行。如果在 CPU 上运行,此选项不存在。可以在提供程序项中指定执行提供程序特定的配置列表。

    支持的提供程序选项

    • cuda
    • dml
  • log_id:日志输出时的前缀。

然后,管道中的每个模型都有一个以模型命名的部分。

解码器模型配置

  • filename:模型文件的名称。

  • inputs:每个输入的名称。模型输入序列可以包含一个代表序列中索引的通配符。

  • outputs:每个输出的名称。

  • num_attention_heads:模型中的注意力头数量。

  • head_size:注意力头的大小。

  • hidden_size:隐藏层的大小。

  • num_key_value_heads:键值头数量。

生成搜索部分

  • max_length:模型将生成的最大长度。

  • min_length:模型将生成的最小长度。

  • do_sample:启用 Top P / Top K 生成。当设置为 true 时,生成使用配置的 top_ptop_k 值。当设置为 false 时,生成使用束搜索 (beam search) 或贪婪搜索 (greedy search)。

  • num_beams:使用束搜索生成输出序列时应用的束数量。如果 `num_beams=1`,则使用贪婪搜索执行生成。如果 `num_beams > 1`,则使用束搜索执行生成。

  • early_stopping:是否在每个批次中至少有 `num_beams` 个句子完成时停止束搜索。默认为 false。

  • num_return_sequences:要生成的序列数量。按顺序返回得分最高的序列。

  • top_k:只包含落在 K 个最有可能的 token 列表中的 token。范围是 1 到词汇表大小。

  • top_p:只包含概率总和为 P 或更高的最有可能的 token。默认为 1,包括所有 token。范围是 0 到 1,不包括 0。

  • temperature:温度值按比例调整每个 token 的分数,较低的温度值会导致更尖锐的分布。

  • repetition_penalty:如果设置为大于 1 的值,则降低先前生成 token 的分数。默认为 1

  • length_penalty:控制生成的输出长度。小于 1 的值鼓励生成更短的序列。大于 1 的值鼓励生成更长的序列。默认为 1

  • diversity_penalty:不支持。

  • no_repeat_ngram_size:不支持。

  • past_present_share_buffer:如果设置为 true,则共享过去和当前缓冲区以提高效率。

搜索组合

  1. 束搜索

    • 束数量 > 1
    • do_sample = False
  2. 贪婪搜索

    • num_beams = 1
    • do_sample = False
  3. Top P / Top K

    • do_sample = True