stable diffusion模型是Stability AI开源的一个text-to-image的扩散模型，其模型在速度与质量上面有了质的突破，玩家们可以在自己消费级GPU上面来运行此模型，本模型基于CompVis 和 Runway 团队的Latent Diffusion Models。本期我们不介绍stable diffusion模型，而是介绍一下Stability AI开源的4款LLM大语言模型。
也许是ChatGPT的大火，带动了LLM大语言模型的节奏，让各个大厂都开始搭建自己的LLM大语言模型，而作为一个AI绘画起家的Stability AI也开源了自己的四款LLM大语言模型。
Stable Beluga
Stability AI 及其 CarperAI 实验室发布了 Stable Beluga 1 及其后继产品 Stable Beluga 2。这是两个强大的新型开放式大型语言模型 (LLM)。 两种模型在不同的基准测试中都表现出了卓越的推理能力。
- Stable Beluga 1 利用原始的 LLaMA 65B 基础模型，并使用标准 Alpaca 格式的数据集进行了微调。
- Stable Beluga 2 利用 LLaMA 2 70B 基础模型，并进行相关数据集上的微调。
与其他大模型相比，其Stable Beluga模型取得的不错的效果。且我们可以直接使用transformers模型库来实现Stable Beluga大语言模型。
首先需要安装transformers库，直接使用pip 进行安装即可。当然其python环境与torch相关的第三方库需要提前配置完成。
pip install transformers安装完成后，就可以直接使用模型来进行AI对话。
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
tokenizer = AutoTokenizer.from_pretrained("stabilityai/StableBeluga2", use_fast=False)
model = AutoModelForCausalLM.from_pretrained("stabilityai/StableBeluga2", torch_dtype=torch.float16, low_cpu_mem_usage=True, device_map="auto")
system_prompt = "### System:\nYou are Stable Beluga, an AI that follows instructions extremely well. Help as much as you can. Remember, be safe, and don't do anything illegal.\n\n"
message = "Write me a poem please"
prompt = f"{system_prompt}### User: {message}\n\n### Assistant:\n"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
output = model.generate(**inputs, do_sample=True, top_p=0.95, top_k=0, max_new_tokens=256)
print(tokenizer.decode(output[0], skip_special_tokens=True))代码运行后，会自动下载相关的预训练模型。
Stable LM
Stability AI 发布的开源语言模型 Stable LM，其 Alpha 版本有 30 亿和 70 亿个参数2种规格的模型，后续还有 150 亿到 650 亿个参数模型。 所有人在遵守 CC BY-SA-4.0 许可的条件下，可以出于商业或研究目的来使用或者调整 Stable LM 基础模型。
Stable LM 在 The Pile 上构建的新实验数据集上进行训练，该数据集包含 1.5 万亿个标记内容。 尽管该数据集的丰富性使 Stable LM 在会话和编程任务上具有令人惊讶的表现，但是其参数规模较小（只有 3 到 70 亿个参数，相比之下，GPT-3 有 1750 亿个参数）。
同样，Stable LM可以使用transformers库来实现。
from transformers import AutoModelForCausalLM, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("stabilityai/stablelm-base-alpha-7b-v2")
model = AutoModelForCausalLM.from_pretrained("stabilityai/stablelm-base-alpha-7b-v2",trust_remote_code=True,torch_dtype="auto",)
model.cuda()
inputs = tokenizer("what is you name", return_tensors="pt").to("cuda")
tokens = model.generate(**inputs,max_new_tokens=64,temperature=0.75,top_p=0.95,do_sample=True,
)
print(tokenizer.decode(tokens[0], skip_special_tokens=True))
Stable Code
顾名思义，stable code是为特定人群提供的code编码LLM大模型，类似Meta开源的code LIama，通过使用三种不同尺寸的模型来帮助编程开发人员进行编码工作，从而提高工作效率。
基本模型首先使用BigCode 的堆栈数据集 (v1.2) ，并在多种编程语言进行训练，然后使用 Python、Go、Java、Javascript、C、markdown 和 C++ 等编程语言进行进一步训练。
from transformers import AutoModelForCausalLM, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("stabilityai/stablecode-completion-alpha-3b-4k")
model = AutoModelForCausalLM.from_pretrained("stabilityai/stablecode-completion-alpha-3b-4k",trust_remote_code=True,torch_dtype="auto",)
model.cuda()
inputs = tokenizer("import torch\nimport torch.nn as nn", return_tensors="pt").to("cuda")
tokens = model.generate(**inputs,max_new_tokens=48,temperature=0.2,do_sample=True,
)
print(tokenizer.decode(tokens[0], skip_special_tokens=True))
https://huggingface.co/stabilityai #参考链接stable diffusion 相关阅读
Stable Diffusion加chilloutmixni真人图片生成模型
代码实现stable-diffusion模型
stable diffusion AI精准绘图——ControlNet控件的安装与使用
动画详解transformer
更多transformer，VIT，swin tranformer
参考头条号：人工智能研究所
v号：启示AI科技
微信中复制如下链接，打开，免费体验chatgpthttps://wx2.expostar.cn/qz/pages/manor/index?id=1137&share_from_id=79482&sid=24
