Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / transformers /main /pt /models.md

mishig

3 days ago

preview code

download

raw

14.7 kB

# Carregando modelos

O Transformers oferece muitos modelos pré-treinados que estão prontos para uso com uma única linha de código. É necessário uma classe de modelo e o método [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained).

Chame [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) para baixar e carregar os pesos e a configuração de um modelo armazenados no [Hub](https://hf.co/models) do Hugging Face.

> [!TIP]
> O método [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) carrega os pesos armazenados no formato de arquivo [safetensors](https://hf.co/docs/safetensors/index), se disponíveis. Tradicionalmente, os pesos de modelos do PyTorch são serializados com a utilidade [pickle](https://docs.python.org/3/library/pickle.html), que é conhecida por ser insegura. Os arquivos Safetensor são mais seguros e mais rápidos para carregar.

```py
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("meta-llama/Llama-2-7b-hf", device_map="auto")
```

Este guia explica como os modelos são carregados, as diferentes maneiras de carregar um modelo, como superar problemas de memória para modelos muito grandes e como carregar modelos personalizados.

## Modelos e configurações

Todos os modelos possuem um arquivo `configuration.py` com atributos específicos, como o número de camadas ocultas, o tamanho do vocabulário, a função de ativação e outros. Você também encontrará um arquivo `modeling.py` que define as camadas e as operações matemáticas realizadas dentro de cada camada. O arquivo `modeling.py` utiliza os atributos do modelo em `configuration.py` e constrói o modelo de acordo. Neste ponto, você tem um modelo com pesos aleatórios que precisa ser treinado para produzir resultados significativos.

> [!TIP]
> Uma *arquitetura* se refere ao esqueleto do modelo e um *checkpoint* se refere aos pesos do modelo para uma determinada arquitetura. Por exemplo, [BERT](./model_doc/bert) é uma arquitetura, enquanto [google-bert/bert-base-uncased](https://huggingface.co/google-bert/bert-base-uncased) é um checkpoint. Você verá o termo *modelo* usado de forma intercambiável com arquitetura e checkpoint.

Existem dois tipos gerais de modelos que você pode carregar:

1. Um modelo básico, como [AutoModel](/docs/transformers/main/pt/model_doc/auto#transformers.AutoModel) ou [LlamaModel](/docs/transformers/main/pt/model_doc/llama2#transformers.LlamaModel), que produz estados ocultos.
2. Um modelo com um *head* específico acoplado, como [AutoModelForCausalLM](/docs/transformers/main/pt/model_doc/auto#transformers.AutoModelForCausalLM) ou [LlamaForCausalLM](/docs/transformers/main/pt/model_doc/llama2#transformers.LlamaForCausalLM), para executar tarefas específicas.

## Classes de modelo

Para obter um modelo pré-treinado, é necessário carregar os pesos no modelo. Isso é feito chamando [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained), que aceita pesos do Hugging Face Hub ou de um diretório local.

Há duas classes de modelo: a classe [AutoModel](./model_doc/auto) e uma classe específica do modelo.

A classe [AutoModel](./model_doc/auto) é uma maneira conveniente de carregar uma arquitetura sem precisar conhecer o nome exato da classe do modelo, pois há muitos modelos disponíveis. Ela seleciona automaticamente a classe de modelo correta com base no arquivo de configuração. Você só precisa conhecer a tarefa e o checkpoint que deseja usar.

Alterne facilmente entre modelos ou tarefas, desde que a arquitetura seja suportada para uma tarefa específica.

Por exemplo, o mesmo modelo pode ser usado para tarefas separadas.

```py
from transformers import AutoModelForCausalLM, AutoModelForSequenceClassification, AutoModelForQuestionAnswering
# use the same API for 3 different tasks
model = AutoModelForCausalLM.from_pretrained("meta-llama/Llama-2-7b-hf")
model = AutoModelForSequenceClassification.from_pretrained("meta-llama/Llama-2-7b-hf")
model = AutoModelForQuestionAnswering.from_pretrained("meta-llama/Llama-2-7b-hf")
```

Em outros casos, você pode querer testar rapidamente vários modelos diferentes para uma tarefa.

```py
from transformers import AutoModelForCausalLM
# use the same API to load 3 different models
model = AutoModelForCausalLM.from_pretrained("meta-llama/Llama-2-7b-hf")
model = AutoModelForCausalLM.from_pretrained("mistralai/Mistral-7B-v0.1")
model = AutoModelForCausalLM.from_pretrained("google/gemma-7b")
```

A classe [AutoModel](./model_doc/auto) é construída sobre as classes específicas de cada modelo. Todas as classes de modelo que suportam uma tarefa específica são mapeadas para a respectiva classe de tarefa `AutoModelFor`.

Se você já sabe qual classe de modelo deseja usar, pode usar diretamente a classe específica do modelo.

```py
from transformers import LlamaModel, LlamaForCausalLM
model = LlamaForCausalLM.from_pretrained("meta-llama/Llama-2-7b-hf")
```

## Modelos grandes

Modelos pré-treinados de grande porte exigem muita memória para serem carregados. O processo de carregamento envolve:

1. criando um modelo com pesos aleatórios
2. carregando os pesos pré-treinados
3. colocando os pesos pré-treinados no modelo

Você precisa de memória suficiente para armazenar duas cópias dos pesos do modelo (aleatórios e pré-treinados), o que pode não ser possível dependendo do seu hardware. Em ambientes de treinamento distribuído, isso é ainda mais desafiador, pois cada processo carrega um modelo pré-treinado.

Transformers reduz alguns desses desafios relacionados à memória com inicialização rápida, checkpoints particionados, o recurso [Big Model Inference](https://hf.co/docs/accelerate/usage_guides/big_modeling) do Accelerate e o suporte a tipos de dados de bits mais baixos.

### Pontos de verificação fragmentados

[save_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.save_pretrained) faz o particionamento automático de checkpoints maiores que 50GB. Isso mantém o número de shards baixo para modelos grandes e simplifica o gerenciamento de arquivos.

Os parâmetros são carregados em paralelo e a memória de pico depende apenas do tamanho do modelo. Use `max_shard_size` em [save_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.save_pretrained) para definir o tamanho máximo do checkpoint antes da divisão em shards.

> [!NOTE]
> O uso de memória para modelos que exigem conversão dinâmica de pesos depende do tamanho do modelo e do tamanho dos maiores parâmetros em uma única conversão. Isso geralmente se aplica a modelos de mistura de especialistas (MoE), em que o uso de memória é o tamanho do modelo mais o número de especialistas em uma camada. Consulte o guia do [dynamic weight loader](./weightconverter#fast-and-efficient-model-loading) para saber mais sobre como os modelos são carregados.

[save_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.save_pretrained) também cria um arquivo de índice que mapeia os nomes dos parâmetros para seus arquivos de fragmento. O índice contém duas chaves, `metadata` e `weight_map`.

```py
import json
import os
import tempfile
with tempfile.TemporaryDirectory() as tmp_dir:
    model.save_pretrained(tmp_dir, max_shard_size="50GB")
    with open(os.path.join(tmp_dir, "model.safetensors.index.json"), "r") as f:
        index = json.load(f)
print(index.keys())
```

`metadata` armazena o tamanho total do modelo.

```py
index["metadata"]
{'total_size': 28966928384}
```

`weight_map` mapeia cada parâmetro para seu arquivo de shard.

```py
index["weight_map"]
{'lm_head.weight': 'model-00006-of-00006.safetensors',
 'model.embed_tokens.weight': 'model-00001-of-00006.safetensors',
 'model.layers.0.input_layernorm.weight': 'model-00001-of-00006.safetensors',
 'model.layers.0.mlp.down_proj.weight': 'model-00001-of-00006.safetensors',
 ...
}
```

### Inferência de Modelos Grandes

> [!TIP]
> Certifique-se de ter o Accelerate v0.9.0 e o PyTorch v1.9.0 ou posterior instalados para usar este recurso!

[from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) é superpotencializado pelo recurso [Big Model Inference](https://hf.co/docs/accelerate/usage_guides/big_modeling) do Accelerate.

O Big Model Inference cria um *esqueleto do modelo* no dispositivo [meta](https://pytorch.org/docs/main/meta.html) do PyTorch. O dispositivo meta não armazena nenhum dado real, apenas os metadados.

Os pesos inicializados aleatoriamente são criados apenas quando os pesos pré-treinados são carregados, a fim de evitar manter duas cópias do modelo na memória ao mesmo tempo. O uso máximo de memória é apenas o tamanho do modelo.

> [!TIP]
> Saiba mais sobre a alocação de dispositivos em [Projetando um mapa de dispositivos](https://hf.co/docs/accelerate/v0.33.0/en/concept_guides/big_model_inference#designing-a-device-map).

O segundo recurso do Big Model Inference está relacionado à forma como os pesos são carregados e distribuídos no esqueleto do modelo. Os pesos do modelo são distribuídos entre todos os dispositivos disponíveis, começando pelo dispositivo mais rápido (geralmente a GPU) e, em seguida, transferindo os pesos restantes para dispositivos mais lentos (CPU e disco rígido).

A combinação de ambos os recursos reduz o uso de memória e os tempos de carregamento para grandes modelos pré-treinados.

Defina [device_map](https://github.com/huggingface/transformers/blob/026a173a64372e9602a16523b8fae9de4b0ff428/src/transformers/modeling_utils.py#L3061) como `"auto"` para habilitar o Big Model Inference.

```py
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("google/gemma-7b", device_map="auto")
```

Você também pode atribuir manualmente camadas a um dispositivo em `device_map`. Ele deve mapear todos os parâmetros do modelo para um dispositivo, mas você não precisa detalhar para onde vão todos os submódulos de uma camada se a camada inteira estiver no mesmo dispositivo.

Acesse o atributo `hf_device_map` para ver como um modelo é distribuído entre os dispositivos.

```py
device_map = {"model.layers.1": 0, "model.layers.14": 1, "model.layers.31": "cpu", "lm_head": "disk"}
model.hf_device_map
```

### Deslocamento para o disco

Quando um modelo é grande demais para a soma das suas GPUs e da RAM do CPU, o Big Model Inference transfere os pesos restantes para o disco. Defina `offload_folder` para um diretório sempre que qualquer peso for mapeado para `"disk"`, pois é onde o Transformers armazena os pesos transferidos.

```py
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-7b",
    device_map="auto",
    offload_folder="./offload",
)
```

Use `max_memory` para limitar a quantidade de memória que cada dispositivo pode usar. O Transformers preenche os dispositivos em ordem de velocidade e envia para o disco o que não couber. O exemplo abaixo limita a GPU a 10GB e a CPU a 30GB, de modo que os pesos restantes ficam armazenados em `offload_folder`.

```py
model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-7b",
    device_map="auto",
    max_memory={0: "10GB", "cpu": "30GB"},
    offload_folder="./offload",
)
```

Defina `max_memory={}` para especificar que não há memória de gpu ou cpu disponível e forçar o offloading do modelo inteiro para o disco.

```py
model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-7b",
    device_map="auto",
    max_memory={},
    offload_folder="./offload",
)
```

> [!NOTE]
> O offloading para disco troca memória por velocidade. Ler os pesos do disco a cada passagem de frente é mais lento do que ler da memória da CPU ou da GPU. O offloading totalmente para disco requer `accelerate>1.14.0`

### Tipo de dados do modelo

O argumento `dtype` controla o [dtype](https://pytorch.org/docs/stable/tensor_attributes.html#torch.dtype) do PyTorch usado para instanciar os pesos do modelo. Por padrão, o Transformers carrega os pesos com o valor de `dtype` ou do legado `torch_dtype` de `config.json`. Se `config.json` não incluir nenhum desses valores, o Transformers usa o dtype do primeiro peso de ponto flutuante no checkpoint.

Substitua o padrão passando um dtype específico.

```py
import torch
from transformers import AutoModelForCausalLM
# specific dtype
model = AutoModelForCausalLM.from_pretrained("google/gemma-3-1b-it", dtype=torch.float16)
```

[AutoConfig](/docs/transformers/main/pt/model_doc/auto#transformers.AutoConfig) também aceita `dtype` para modelos instanciados do zero.

```py
import torch
from transformers import AutoConfig, AutoModel
my_config = AutoConfig.from_pretrained("google/gemma-2b", dtype=torch.float16)
model = AutoModel.from_config(my_config)
```

## Modelos personalizados

Modelos personalizados são construídos sobre as classes de configuração e modelagem do Transformers, suportam a API `AutoClass` e são carregados com [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained). A diferença é que o código de modelagem *não* vem do Transformers.

Tenha redobrada cautela ao carregar um modelo personalizado. Embora o Hub inclua [varredura de malware](https://hf.co/docs/hub/security-malware#malware-scanning) em todos os repositórios, você ainda deve ter cuidado para evitar a execução acidental de código malicioso.

Defina `trust_remote_code=True` em [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) para carregar um modelo personalizado.

```py
from transformers import AutoModelForImageClassification
model = AutoModelForImageClassification.from_pretrained("sgugger/custom-resnet50d", trust_remote_code=True)
```

Como uma camada extra de segurança, carregue um modelo personalizado de uma revisão específica para evitar o carregamento de código de modelo que pode ter sido alterado. O hash do commit pode ser copiado do [histórico de commits](https://hf.co/sgugger/custom-resnet50d/commits/main) dos modelos.

```py
commit_hash = "ed94a7c6247d8aedce4647f00f20de6875b5b292"
model = AutoModelForImageClassification.from_pretrained(
    "sgugger/custom-resnet50d", trust_remote_code=True, revision=commit_hash
)
```

Consulte o guia [Customize models](./custom_models) para obter mais informações.

Xet Storage Details

Size:: 14.7 kB
Xet hash:: 84880c3addd7073c732582781ec7ed548e09e91c2204ad931b54bc7ad7f2eecd

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.

	# Carregando modelos

	O Transformers oferece muitos modelos pré-treinados que estão prontos para uso com uma única linha de código. É necessário uma classe de modelo e o método [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained).

	Chame [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) para baixar e carregar os pesos e a configuração de um modelo armazenados no [Hub](https://hf.co/models) do Hugging Face.

	> [!TIP]
	> O método [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) carrega os pesos armazenados no formato de arquivo [safetensors](https://hf.co/docs/safetensors/index), se disponíveis. Tradicionalmente, os pesos de modelos do PyTorch são serializados com a utilidade [pickle](https://docs.python.org/3/library/pickle.html), que é conhecida por ser insegura. Os arquivos Safetensor são mais seguros e mais rápidos para carregar.

	```py
	from transformers import AutoModelForCausalLM

	model = AutoModelForCausalLM.from_pretrained("meta-llama/Llama-2-7b-hf", device_map="auto")
	```

	Este guia explica como os modelos são carregados, as diferentes maneiras de carregar um modelo, como superar problemas de memória para modelos muito grandes e como carregar modelos personalizados.

	## Modelos e configurações

	Todos os modelos possuem um arquivo `configuration.py` com atributos específicos, como o número de camadas ocultas, o tamanho do vocabulário, a função de ativação e outros. Você também encontrará um arquivo `modeling.py` que define as camadas e as operações matemáticas realizadas dentro de cada camada. O arquivo `modeling.py` utiliza os atributos do modelo em `configuration.py` e constrói o modelo de acordo. Neste ponto, você tem um modelo com pesos aleatórios que precisa ser treinado para produzir resultados significativos.

	> [!TIP]
	> Uma arquitetura se refere ao esqueleto do modelo e um checkpoint se refere aos pesos do modelo para uma determinada arquitetura. Por exemplo, [BERT](./model_doc/bert) é uma arquitetura, enquanto [google-bert/bert-base-uncased](https://huggingface.co/google-bert/bert-base-uncased) é um checkpoint. Você verá o termo modelo usado de forma intercambiável com arquitetura e checkpoint.

	Existem dois tipos gerais de modelos que você pode carregar:

	1. Um modelo básico, como [AutoModel](/docs/transformers/main/pt/model_doc/auto#transformers.AutoModel) ou [LlamaModel](/docs/transformers/main/pt/model_doc/llama2#transformers.LlamaModel), que produz estados ocultos.
	2. Um modelo com um head específico acoplado, como [AutoModelForCausalLM](/docs/transformers/main/pt/model_doc/auto#transformers.AutoModelForCausalLM) ou [LlamaForCausalLM](/docs/transformers/main/pt/model_doc/llama2#transformers.LlamaForCausalLM), para executar tarefas específicas.

	## Classes de modelo

	Para obter um modelo pré-treinado, é necessário carregar os pesos no modelo. Isso é feito chamando [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained), que aceita pesos do Hugging Face Hub ou de um diretório local.

	Há duas classes de modelo: a classe [AutoModel](./model_doc/auto) e uma classe específica do modelo.

	A classe [AutoModel](./model_doc/auto) é uma maneira conveniente de carregar uma arquitetura sem precisar conhecer o nome exato da classe do modelo, pois há muitos modelos disponíveis. Ela seleciona automaticamente a classe de modelo correta com base no arquivo de configuração. Você só precisa conhecer a tarefa e o checkpoint que deseja usar.

	Alterne facilmente entre modelos ou tarefas, desde que a arquitetura seja suportada para uma tarefa específica.

	Por exemplo, o mesmo modelo pode ser usado para tarefas separadas.

	```py
	from transformers import AutoModelForCausalLM, AutoModelForSequenceClassification, AutoModelForQuestionAnswering

	# use the same API for 3 different tasks
	model = AutoModelForCausalLM.from_pretrained("meta-llama/Llama-2-7b-hf")
	model = AutoModelForSequenceClassification.from_pretrained("meta-llama/Llama-2-7b-hf")
	model = AutoModelForQuestionAnswering.from_pretrained("meta-llama/Llama-2-7b-hf")
	```

	Em outros casos, você pode querer testar rapidamente vários modelos diferentes para uma tarefa.

	```py
	from transformers import AutoModelForCausalLM

	# use the same API to load 3 different models
	model = AutoModelForCausalLM.from_pretrained("meta-llama/Llama-2-7b-hf")
	model = AutoModelForCausalLM.from_pretrained("mistralai/Mistral-7B-v0.1")
	model = AutoModelForCausalLM.from_pretrained("google/gemma-7b")
	```

	A classe [AutoModel](./model_doc/auto) é construída sobre as classes específicas de cada modelo. Todas as classes de modelo que suportam uma tarefa específica são mapeadas para a respectiva classe de tarefa `AutoModelFor`.

	Se você já sabe qual classe de modelo deseja usar, pode usar diretamente a classe específica do modelo.

	```py
	from transformers import LlamaModel, LlamaForCausalLM

	model = LlamaForCausalLM.from_pretrained("meta-llama/Llama-2-7b-hf")
	```

	## Modelos grandes

	Modelos pré-treinados de grande porte exigem muita memória para serem carregados. O processo de carregamento envolve:

	1. criando um modelo com pesos aleatórios
	2. carregando os pesos pré-treinados
	3. colocando os pesos pré-treinados no modelo

	Você precisa de memória suficiente para armazenar duas cópias dos pesos do modelo (aleatórios e pré-treinados), o que pode não ser possível dependendo do seu hardware. Em ambientes de treinamento distribuído, isso é ainda mais desafiador, pois cada processo carrega um modelo pré-treinado.

	Transformers reduz alguns desses desafios relacionados à memória com inicialização rápida, checkpoints particionados, o recurso [Big Model Inference](https://hf.co/docs/accelerate/usage_guides/big_modeling) do Accelerate e o suporte a tipos de dados de bits mais baixos.

	### Pontos de verificação fragmentados

	[save_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.save_pretrained) faz o particionamento automático de checkpoints maiores que 50GB. Isso mantém o número de shards baixo para modelos grandes e simplifica o gerenciamento de arquivos.

	Os parâmetros são carregados em paralelo e a memória de pico depende apenas do tamanho do modelo. Use `max_shard_size` em [save_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.save_pretrained) para definir o tamanho máximo do checkpoint antes da divisão em shards.

	> [!NOTE]
	> O uso de memória para modelos que exigem conversão dinâmica de pesos depende do tamanho do modelo e do tamanho dos maiores parâmetros em uma única conversão. Isso geralmente se aplica a modelos de mistura de especialistas (MoE), em que o uso de memória é o tamanho do modelo mais o número de especialistas em uma camada. Consulte o guia do [dynamic weight loader](./weightconverter#fast-and-efficient-model-loading) para saber mais sobre como os modelos são carregados.

	[save_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.save_pretrained) também cria um arquivo de índice que mapeia os nomes dos parâmetros para seus arquivos de fragmento. O índice contém duas chaves, `metadata` e `weight_map`.

	```py
	import json
	import os
	import tempfile

	with tempfile.TemporaryDirectory() as tmp_dir:
	model.save_pretrained(tmp_dir, max_shard_size="50GB")
	with open(os.path.join(tmp_dir, "model.safetensors.index.json"), "r") as f:
	index = json.load(f)

	print(index.keys())
	```

	`metadata` armazena o tamanho total do modelo.

	```py
	index["metadata"]
	{'total_size': 28966928384}
	```

	`weight_map` mapeia cada parâmetro para seu arquivo de shard.

	```py
	index["weight_map"]
	{'lm_head.weight': 'model-00006-of-00006.safetensors',
	'model.embed_tokens.weight': 'model-00001-of-00006.safetensors',
	'model.layers.0.input_layernorm.weight': 'model-00001-of-00006.safetensors',
	'model.layers.0.mlp.down_proj.weight': 'model-00001-of-00006.safetensors',
	...
	}
	```

	### Inferência de Modelos Grandes

	> [!TIP]
	> Certifique-se de ter o Accelerate v0.9.0 e o PyTorch v1.9.0 ou posterior instalados para usar este recurso!

	[from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) é superpotencializado pelo recurso [Big Model Inference](https://hf.co/docs/accelerate/usage_guides/big_modeling) do Accelerate.

	O Big Model Inference cria um esqueleto do modelo no dispositivo [meta](https://pytorch.org/docs/main/meta.html) do PyTorch. O dispositivo meta não armazena nenhum dado real, apenas os metadados.

	Os pesos inicializados aleatoriamente são criados apenas quando os pesos pré-treinados são carregados, a fim de evitar manter duas cópias do modelo na memória ao mesmo tempo. O uso máximo de memória é apenas o tamanho do modelo.

	> [!TIP]
	> Saiba mais sobre a alocação de dispositivos em [Projetando um mapa de dispositivos](https://hf.co/docs/accelerate/v0.33.0/en/concept_guides/big_model_inference#designing-a-device-map).

	O segundo recurso do Big Model Inference está relacionado à forma como os pesos são carregados e distribuídos no esqueleto do modelo. Os pesos do modelo são distribuídos entre todos os dispositivos disponíveis, começando pelo dispositivo mais rápido (geralmente a GPU) e, em seguida, transferindo os pesos restantes para dispositivos mais lentos (CPU e disco rígido).

	A combinação de ambos os recursos reduz o uso de memória e os tempos de carregamento para grandes modelos pré-treinados.

	Defina [device_map](https://github.com/huggingface/transformers/blob/026a173a64372e9602a16523b8fae9de4b0ff428/src/transformers/modeling_utils.py#L3061) como `"auto"` para habilitar o Big Model Inference.

	```py
	from transformers import AutoModelForCausalLM

	model = AutoModelForCausalLM.from_pretrained("google/gemma-7b", device_map="auto")
	```

	Você também pode atribuir manualmente camadas a um dispositivo em `device_map`. Ele deve mapear todos os parâmetros do modelo para um dispositivo, mas você não precisa detalhar para onde vão todos os submódulos de uma camada se a camada inteira estiver no mesmo dispositivo.

	Acesse o atributo `hf_device_map` para ver como um modelo é distribuído entre os dispositivos.

	```py
	device_map = {"model.layers.1": 0, "model.layers.14": 1, "model.layers.31": "cpu", "lm_head": "disk"}
	model.hf_device_map
	```

	### Deslocamento para o disco

	Quando um modelo é grande demais para a soma das suas GPUs e da RAM do CPU, o Big Model Inference transfere os pesos restantes para o disco. Defina `offload_folder` para um diretório sempre que qualquer peso for mapeado para `"disk"`, pois é onde o Transformers armazena os pesos transferidos.

	```py
	from transformers import AutoModelForCausalLM

	model = AutoModelForCausalLM.from_pretrained(
	"google/gemma-7b",
	device_map="auto",
	offload_folder="./offload",
	)
	```

	Use `max_memory` para limitar a quantidade de memória que cada dispositivo pode usar. O Transformers preenche os dispositivos em ordem de velocidade e envia para o disco o que não couber. O exemplo abaixo limita a GPU a 10GB e a CPU a 30GB, de modo que os pesos restantes ficam armazenados em `offload_folder`.

	```py
	model = AutoModelForCausalLM.from_pretrained(
	"google/gemma-7b",
	device_map="auto",
	max_memory={0: "10GB", "cpu": "30GB"},
	offload_folder="./offload",
	)
	```

	Defina `max_memory={}` para especificar que não há memória de gpu ou cpu disponível e forçar o offloading do modelo inteiro para o disco.

	```py
	model = AutoModelForCausalLM.from_pretrained(
	"google/gemma-7b",
	device_map="auto",
	max_memory={},
	offload_folder="./offload",
	)
	```

	> [!NOTE]
	> O offloading para disco troca memória por velocidade. Ler os pesos do disco a cada passagem de frente é mais lento do que ler da memória da CPU ou da GPU. O offloading totalmente para disco requer `accelerate>1.14.0`

	### Tipo de dados do modelo

	O argumento `dtype` controla o [dtype](https://pytorch.org/docs/stable/tensor_attributes.html#torch.dtype) do PyTorch usado para instanciar os pesos do modelo. Por padrão, o Transformers carrega os pesos com o valor de `dtype` ou do legado `torch_dtype` de `config.json`. Se `config.json` não incluir nenhum desses valores, o Transformers usa o dtype do primeiro peso de ponto flutuante no checkpoint.

	Substitua o padrão passando um dtype específico.

	```py
	import torch
	from transformers import AutoModelForCausalLM

	# specific dtype
	model = AutoModelForCausalLM.from_pretrained("google/gemma-3-1b-it", dtype=torch.float16)
	```

	[AutoConfig](/docs/transformers/main/pt/model_doc/auto#transformers.AutoConfig) também aceita `dtype` para modelos instanciados do zero.

	```py
	import torch
	from transformers import AutoConfig, AutoModel

	my_config = AutoConfig.from_pretrained("google/gemma-2b", dtype=torch.float16)
	model = AutoModel.from_config(my_config)
	```

	## Modelos personalizados

	Modelos personalizados são construídos sobre as classes de configuração e modelagem do Transformers, suportam a API `AutoClass` e são carregados com [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained). A diferença é que o código de modelagem não vem do Transformers.

	Tenha redobrada cautela ao carregar um modelo personalizado. Embora o Hub inclua [varredura de malware](https://hf.co/docs/hub/security-malware#malware-scanning) em todos os repositórios, você ainda deve ter cuidado para evitar a execução acidental de código malicioso.

	Defina `trust_remote_code=True` em [from_pretrained()](/docs/transformers/main/pt/main_classes/model#transformers.PreTrainedModel.from_pretrained) para carregar um modelo personalizado.

	```py
	from transformers import AutoModelForImageClassification

	model = AutoModelForImageClassification.from_pretrained("sgugger/custom-resnet50d", trust_remote_code=True)
	```

	Como uma camada extra de segurança, carregue um modelo personalizado de uma revisão específica para evitar o carregamento de código de modelo que pode ter sido alterado. O hash do commit pode ser copiado do [histórico de commits](https://hf.co/sgugger/custom-resnet50d/commits/main) dos modelos.

	```py
	commit_hash = "ed94a7c6247d8aedce4647f00f20de6875b5b292"
	model = AutoModelForImageClassification.from_pretrained(
	"sgugger/custom-resnet50d", trust_remote_code=True, revision=commit_hash
	)
	```

	Consulte o guia [Customize models](./custom_models) para obter mais informações.