Code Llama：Llama 2 学会写代码了！（代码是怎么打的）

引言

Code Llama 是为代码类任务而生的一组最先进的、开放的 Llama 2 模型，我们很高兴能将其集成入 Hugging Face 生态系统！Code Llama 使用与 Llama 2 相同的社区许可证，且可商用。

今天，我们很高兴能发布 Hugging Face 对 Code Llama 的全面支持 , 包括:

Hub 上的模型支持，包括模型卡及许可证 Transformers 已集成 Code Llama TGI 已集成 Code Llama，以支持对其进行快速高效的产品级推理 推理终端 (Inference Endpoints) 已集成 Code Llama 对 Code Llama 的代码基准测试结果已发布

代码大语言模型的发展对于软件工程师来说无疑是振奋人心的，因为这意味着他们可以通过 IDE 中的代码补全功能来提高生产力，并利用其来处理重复或烦人的任务，例如为代码编写文档字符串或创建单元测试。

目录

引言 目录 Code Llama 简介 如何使用 Code Llama? 代码补全 代码填充 对话式指令 4 比特加载 演示 Transformers 使用 TGI 和推理终端 评估 其他资源

Code Llama 简介

Code Llama 包含 3 个不同参数量的版本，分别为: 7 亿参数版、13 亿参数版 以及 340 亿参数版。在训练基础模型时，先用同等参数量的 Llama 2 模型初始化权重，然后在 5000 亿词元的代码数据集上训练。Meta 还对训得的基础模型进行了两种不同风格的微调，分别为: Python 专家版 (再加 1000 亿个额外词元) ; 以及指令微调版，其可以理解自然语言指令。

这些模型在 Python、C++、Java、PHP、C#、TypeScript 和 Bash 中都展现出最先进的性能。7B 和 13B 基础版和指令版支持完形填空，因此非常适合用作代码助手。

Code Llama 基于 16k 上下文窗口训练。此外，这三个尺寸的模型还进行了额外的长上下文微调，使其上下文窗口最多可扩展至 10 万词元。

受益于 RoPE 扩展方面的最新进展，将 Llama 2 的 4k 上下文窗口增加到 Code Llama 的 16k (甚至可以外插至 100k) 成为可能。社区发现可以对 Llama 的位置嵌入进行线性插值或频域插值，这使得通过微调让基础模型轻松扩展到更大的上下文窗口成为可能。在 Code Llama 中，他们把频域缩放和松弛技术二者结合起来: 微调长度是缩放后的预训练长度的一小部分。这个做法赋予了模型强大的外推能力。

训练过程

第一步是在 5000 亿词元的公开代码数据集上训练出一个模型。该数据集中除了有代码数据集外，还包含一些自然语言数据集，例如有关代码和代码片段的讨论，且最终数据集是使用近似去重法去过重的。不幸的是，Meta 没有披露有关该数据集的更多信息。

在对模型进行指令微调时，使用了两个数据集: 为 Llama 2 Chat 收集的指令微调数据集和自指令数据集。自指令数据集收集了 Llama 2 编制出的编程面试问题，然后使用 Code Llama 生成单元测试和解答，最后通过执行测试来评估解答。

如何使用 Code Llama?

Transformers 从 4.33 版开始支持 Code Llama。在此之前，需要从主分支进行源代码安装才行。

演示

我们准备了 这个 Space或下面的 Playground 以供大家尝试 Code Llama 模型 (130 亿参数！):

这个演示背后使用了 Hugging Face TGI，HuggingChat 也用了相同的技术，具体内容见下文。

你还可以玩玩 这个聊天机器人，或者复制一份到自己的账号下以供你使用 – 它是自含的，因此你可以随心所欲地修改代码！

Transformers

从最新发布的 transformers 4.33 开始，你可以在 Code Llama 上应用 HF 生态系统中的所有工具，例如:

训练和推理脚本和示例 安全的文件格式 (safetensors ) 与 bitsandbytes (4 比特量化) 和 PEFT 等工具结合使用 运行模型生成所需的工具及辅助代码 导出模型以进行部署的机制

在 transformers 4.33 发布之前，用户需要从主分支源码安装 transformers 。

!pip install git+https://github.com/huggingface/transformers.git@main accelerate

代码补全

我们可以使用 7B 和 13B 模型进行文本/代码补全或填充。下述代码演示了如何使用 pipeline 接口来进行文本补全。运行时，只需选择 GPU 即可在 Colab 的免费 GPU 上运行。

from transformers import

 AutoTokenizer

import

 transformers

import

 torch

tokenizer = AutoTokenizer.from_pretrained(“codellama/CodeLlama-7b-hf”

)

pipeline = transformers.pipeline(

    “text-generation”

,

    model=“codellama/CodeLlama-7b-hf”

,

    torch_dtype=torch.float16,

    device_map=“auto”

,

)

sequences = pipeline(

    ‘def fibonacci(‘

,

    do_sample=True

,

    temperature=0.2

,

    top_p=0.9

,

    num_return_sequences=1

,

eos_token_id=tokenizer.eos_token_id,

    max_length=100

,

)

for seq in

 sequences:

    print(f”Result: {seq[‘generated_text’]}“

)

其输出如下:

Result: def fibonacci(n):    if n == 0

:

        return 0    elif n == 1

:

        return 1    else

:

        return fibonacci(n-1) + fibonacci(n-2

)

def fibonacci_memo(n, memo={}):    if n == 0

:

        return 0    elif n == 1

:

        return

Code Llama 虽然专精于代码理解，但其仍是一个语言模型。你仍然可以使用相同的生成策略来自动完成注释或自然语言文本。

代码填充

这是代码模型才能完成的专门任务。该模型经过训练后，可以生成与给定上下文最匹配的代码 (包括注释)。这是代码助理的典型使用场景: 要求它们根据上下文填充当前光标处的代码。

此任务需要使用 7B 和 13B 的基础 或 指令 模型。任何 34B 或 Python 版模型不能用于此任务。

填充类任务需要在生成时使用与训练时相同格式的输入文本，因为训练时会使用特殊的分隔符来区分提示的不同部分。幸运的是， transformers 的 CodeLlamaTokenizer 已经帮你把这事做了，如下所示:

from transformers import

AutoTokenizer, AutoModelForCausalLM

import

 transformers

import

 torch

model_id = “codellama/CodeLlama-7b-hf”

tokenizer = AutoTokenizer.from_pretrained(model_id)

model = AutoModelForCausalLM.from_pretrained(

    model_id,

torch_dtype=torch.float16

).to(“cuda”

)

prompt = 

”’def remove_non_ascii(s: str) -> str:

    “”” 

    return result

”’ input_ids = tokenizer(prompt, return_tensors=“pt”)[“input_ids”].to(“cuda”

)

output = model.generate(

    input_ids,

max_new_tokens=200

,

)

output = output[0].to(“cpu”

)

filling = tokenizer.decode(output[input_ids.shape[1]:], skip_special_tokens=True

)

print(prompt.replace(“<FILL_ME>”

, filling))

输出如下:

def remove_non_ascii(s: str) -> str:    

“”” Remove non-ASCII characters from a string.

    Args:

s: The string to remove non-ASCII characters from.

    Returns:

        The string with non-ASCII characters removed.

    “””     result = “”    for c in

 s:

        if ord(c) < 128

:

result += c

    return

 result

在底层，分词器会 自动按 <fill_me> 分割 并生成一个格式化的输入字符串，其格式与 训练时的格式 相同。这样做既避免了用户自己格式化的很多麻烦，也避免了一些很难调试的陷阱，例如词元粘合 (token glueing)。

对话式指令

如上所述，基础模型可用于补全和填充。Code Llama 还包含一个适用于对话场景的指令微调模型。

为此类任务准备输入时，我们需要一个提示模板。一个例子是我们在 Llama 2 博文 中描述的模板，如下:

[INST] <>

{{ system_prompt }}

<>

{{ user_msg_1 }} [/INST]{{ model_answer_1 }}[INST]{{ user_msg_2 }} [/INST]

请注意，系统提示 ( system prompt ) 是可选的 – 没有它模型也能工作，但你可以用它来进一步指定模型的行为或风格。例如，如果你希望获得 JavaScript 的答案，即可在此声明。在系统提示之后，你需要提供对话交互历史: 用户问了什么以及模型回答了什么。与填充场景一样，你需要注意分隔符的使用。输入的最后必须是新的用户指令，这对模型而言是让其提供答案的信号。

以下代码片段演示了如何在实际工作中使用该模板。

首次用户输入，无系统提示 user = ‘In Bash, how do I list all text files in the current directory (excluding subdirectories) that have been modified in the last month?’prompt = f”<s>[INST]{user.strip()} [/INST]”inputs = tokenizer(prompt, return_tensors=“pt”, add_special_tokens=False).to(“cuda”

)

首次用户查询，有系统提示 system = “Provide answers in JavaScript”user = “Write a function that computes the set of sums of all contiguous sublists of a given list.”prompt = f”<s><<SYS>>\n{system}\n<</SYS>>\n\n{user}“inputs = tokenizer(prompt, return_tensors=“pt”, add_special_tokens=False).to(“cuda”

)

含对话历史的多轮对话

该过程与 Llama 2 中的过程相同。为了最清楚起见，我们没有使用循环或泛化此示例代码:

system = “System prompt”user_1 =“user_prompt_1”answer_1 = “answer_1”user_2 = “user_prompt_2”answer_2 = “answer_2”user_3 = “user_prompt_3”prompt = f”<<SYS>>\n{system}\n<</SYS>>\n\n{user_1}“prompt = f”<s>[INST]{prompt.strip()}[/INST]{answer_1.strip()} </s>”prompt += f”<s>[INST]{user_2.strip()} [/INST]{answer_2.strip()} </s>”prompt += f”<s>[INST]{user_3.strip()} [/INST]”inputs = tokenizer(prompt, return_tensors=“pt”, add_special_tokens=False).to(“cuda”

)

4 比特加载

将 Code Llama 集成到 Transformers 中意味着我们可以立即获得 4 比特加载等高级功能的支持。这使得用户可以在英伟达 3090 卡等消费类 GPU 上运行大型的 32B 参数量模型！

以下是在 4 比特模式下运行推理的方法:

from transformers import

AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig

import

 torch

model_id = “codellama/CodeLlama-34b-hf”

quantization_config = BitsAndBytesConfig(

   load_in_4bit=True

,

   bnb_4bit_compute_dtype=torch.float16

)

tokenizer = AutoTokenizer.from_pretrained(model_id)

model = AutoModelForCausalLM.from_pretrained(

    model_id,

quantization_config=quantization_config,

    device_map=“auto”

,

)

prompt = ‘def remove_non_ascii(s: str) -> str:n “”” ‘inputs = tokenizer(prompt, return_tensors=“pt”).to(“cuda”

)

output = model.generate(

    inputs[“input_ids”

],

max_new_tokens=200

,

    do_sample=True

,

    top_p=0.9

,

    temperature=0.1

,

)

output = output[0].to(“cpu”

)

print(tokenizer.decode(output))

使用 TGI 和推理终端

TGI 是 Hugging Face 开发的生产级推理容器，可用于轻松部署大语言模型。它包含连续批处理、流式输出、基于张量并行的多 GPU 快速推理以及生产级的日志记录和跟踪等功能。

你可以在自己的基础设施上使用 TGI，也可以使用 Hugging Face 的 推理终端。要部署 Codellama 2 模型，请登陆其 模型页面，然后单击 Deploy -> Inference Endpoints 按钮。

推理 7B 模型，我们建议选择“GPU [medium] – 1x Nvidia A10G”。 推理 13B 模型，我们建议选择“GPU [xlarge] – 1x Nvidia A100”。 推理 34B 模型，我们建议启用 bitsandbytes 量化并选择“GPU [1xlarge] – 1x Nvidia A100”或“GPU [2xlarge] – 2x Nvidia A100”

注意: 你可能需要发邮件给 api-enterprise@huggingface.co 申请配额升级才能访问 A100

你可以在我们的博文中详细了解如何 使用 Hugging Face 推理终端部署 LLM，该 博文 还包含了有关其支持的超参以及如何使用 Python 和 Javascript API 流式生成文本的相关知识。

评估

代码语言模型通常在 HumanEval 等数据集上进行基准测试，其包含了一系列编程题，我们将函数签名和文档字符串输入给模型，模型需要完成函数体代码的编写。接着是运行一组预定义的单元测试来验证所提出的解答。最后是报告通过率，即有多少解答通过了所有测试。pass@1 度量了模型一次生成即通过的频率，而 pass@10 描述了模型生成 10 个候选解答其中至少有一个解答通过的频率。

虽然 HumanEval 是一个 Python 基准测试，但社区付出了巨大努力将其转成更多编程语言，从而实现更全面的评估。其中一种方法是 MultiPL-E，它将 HumanEval 翻译成十多种编程语言。我们正在基于其制作一个 多语言代码排行榜，这样社区就可以用它来比较不同模型在各种编程语言上的表现，以评估哪个模型最适合他们的需求。

模型 许可证 训练数据集是否已知 是否可商用 预训练词元数 Python JavaScript Leaderboard Avg Score CodeLlaMa-34B Llama 2 license ❌ ✅ 2,500B 45.11 41.66 33.89 CodeLlaMa-13B Llama 2 license ❌ ✅ 2,500B 35.07 38.26 28.35 CodeLlaMa-7B Llama 2 license ❌ ✅ 2,500B 29.98 31.8 24.36 CodeLlaMa-34B-Python Llama 2 license ❌ ✅ 2,620B 53.29 44.72 33.87 CodeLlaMa-13B-Python Llama 2 license ❌ ✅ 2,620B 42.89 40.66 28.67 CodeLlaMa-7B-Python Llama 2 license ❌ ✅ 2,620B 40.48 36.34 23.5 CodeLlaMa-34B-Instruct Llama 2 license ❌ ✅ 2,620B 50.79 45.85 35.09 CodeLlaMa-13B-Instruct Llama 2 license ❌ ✅ 2,620B 50.6 40.91 31.29 CodeLlaMa-7B-Instruct Llama 2 license ❌ ✅ 2,620B 45.65 33.11 26.45 StarCoder-15B BigCode-OpenRail-M ✅ ✅ 1,035B 33.57 30.79 22.74 StarCoderBase-15B BigCode-OpenRail-M ✅ ✅ 1,000B 30.35 31.7 22.4 WizardCoder-15B BigCode-OpenRail-M ❌ ✅ 1,035B 58.12 41.91 32.07 OctoCoder-15B BigCode-OpenRail-M ✅ ✅ 1,000B 45.3 32.8 24.01 CodeGeeX-2-6B CodeGeeX License ❌ ❌ 2,000B 33.49 29.9 21.23 CodeGen-2.5-7B-Mono Apache-2.0 ✅ ✅ 1400B 45.65 23.22 12.1 CodeGen-2.5-7B-Multi Apache-2.0 ✅ ✅ 1400B 28.7 26.27 20.04

注意: 上表中的分数来自我们的代码排行榜，所有模型均使用相同的设置。欲了解更多详情，请参阅 排行榜。

其他资源

Hub 上的模型 论文 Meta 官宣博文 负责任使用指南 演示 (代码补全，流式生成)

演示 (指令微调、自含、可复制到自己的空间并修改)

? 宝子们可以戳 阅读原文 查看文中所有的外部链接哟！

英文原文: https://hf.co/blog/codellama

原文作者: Philipp Schmid，Omar Sanseviero，Pedro Cuenca，Lewis Tunstall，Leandro von Werra，Loubna Ben Allal，Arthur Zucker，Joao Gante

译者: Matrix Yao (姚伟峰)，英特尔深度学习工程师，工作方向为 transformer-family 模型在各模态数据上的应用及大规模模型的训练推理。

审校/排版: zhongdongy (阿东)