# 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.