dexblog.ro
Acces rapid: Învață AI Învață Programare Specificații Dispozitive Comparații
UNSLOTH Toate comenzile Unsloth: Fine-Tuning LLM & Eficiență VRAM

Apelarea Metodei Native model.generate cu Tensori PyTorch în Unsloth: Fine-Tuning LLM & Eficiență VRAM

Inferență Rapidă & Testare Generation API Q&A AI / Distribuie cod
Sintaxă & invocare 
outputs = model.generate(**inputs, max_new_tokens=128, use_cache=True)

Pentru a rula inferența, mesajul utilizatorului trebuie transformat în tensori PyTorch plasați pe dispozitivul GPU (cuda):

FastLanguageModel.for_inference(model)

prompt = "Explică algoritmul LoRA pe scurt."
inputs = tokenizer([prompt], return_tensors="pt").to("cuda")

outputs = model.generate(
    **inputs,
    max_new_tokens=128,
    use_cache=True, # Activează KV cache pentru viteză
)

rezultat = tokenizer.batch_decode(outputs, skip_special_tokens=True)
print(rezultat[0])

Parametrul use_cache=True este critic pentru a preveni recalcularea atenției pe tokenii anterior generați.

Învață AI • Comunitate & Q&A

Întrebări & Exemple practice: Apelarea Metodei Native model.generate cu Tensori PyTorch

Ai o întrebare despre Apelarea Metodei Native model.generate cu Tensori PyTorch sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!

🤖

Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!

Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.

Comunitate AI Adaugă o întrebare sau distribuie un cod / prompt

Moderare & Siguranță:

Pentru a menține calitatea și securitatea informațiilor, fiecare întrebare sau fragment de cod/prompt este analizat (manual sau prin moderare asistată de AI) înainte de publicare.