Transformers documentation

Evolla

Transformers

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v5.22.2).

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

Mô hình này đã được đóng góp cho Hugging Face Transformers vào ngày 2025-07-26.

Evolla

Tổng quan

Mô hình Evolla được đề xuất trong Decoding the Molecular Language of Proteins with Evolla bởi Zhou et al..

Evolla là một mô hình ngôn ngữ protein sinh tạo tiên tiến với 80 tỷ tham số, được thiết kế để giải mã ngôn ngữ phân tử của protein. Nó tích hợp thông tin từ trình tự, cấu trúc protein và truy vấn của người dùng để tạo ra những nhận định chính xác và tinh tế về ngữ cảnh liên quan đến chức năng của protein. Được huấn luyện trên một bộ dữ liệu do AI tạo ra chưa từng có, gồm 546 triệu cặp câu hỏi - đáp án về protein và 150 tỷ token từ, Evolla thúc đẩy đáng kể nghiên cứu trong lĩnh vực proteomics và genomics chức năng, cung cấp những nhận định ở cấp độ chuyên gia và làm sáng tỏ logic phân tử được mã hóa trong protein.

Tóm tắt từ bài báo như sau:

Protein, những cỗ máy phân tử phức tạp của tự nhiên, là sản phẩm của hàng tỷ năm tiến hóa và đóng vai trò nền tảng trong việc duy trì sự sống. Tuy nhiên, việc giải mã ngôn ngữ phân tử của chúng - tức là hiểu cách các trình tự và cấu trúc protein mã hóa cũng như quyết định chức năng sinh học - vẫn là một thách thức then chốt trong sinh học hiện đại. Tại đây, chúng tôi giới thiệu Evolla, một mô hình ngôn ngữ protein sinh thành tiên phong 80 tỷ tham số được thiết kế để giải mã ngôn ngữ phân tử của protein. Bằng cách tích hợp thông tin từ trình tự, cấu trúc protein và truy vấn của người dùng, Evolla tạo ra những nhận định chính xác và tinh tế về ngữ cảnh liên quan đến chức năng của protein. Một đổi mới then chốt của Evolla nằm ở việc huấn luyện trên một bộ dữ liệu do AI tạo ra chưa từng có: 546 triệu cặp câu hỏi - đáp án về protein và 150 tỷ token từ, được thiết kế để phản ánh sự phức tạp khổng lồ và tính đa dạng chức năng của protein. Sau giai đoạn tiền huấn luyện, Evolla tích hợp Tối ưu hóa Ưu thích Trực tiếp (DPO) để tinh chỉnh mô hình dựa trên các tín hiệu ưu thích và Sinh thành Tăng cường Truy xuất (RAG) để tích hợp kiến thức bên ngoài, qua đó nâng cao chất lượng và mức độ liên quan của phản hồi. Để đánh giá hiệu suất, chúng tôi đề xuất một khung đánh giá mới, Không gian Phản hồi Hướng dẫn (IRS), cho thấy Evolla cung cấp những nhận định ở cấp độ chuyên gia, thúc đẩy nghiên cứu trong lĩnh vực proteomics và genomics chức năng, đồng thời làm sáng tỏ logic phân tử được mã hóa trong protein. Bản demo trực tuyến có sẵn tại http://www.chat-protein.com/.

Ví dụ:

processor = EvollaProcessor.from_pretrained("westlake-repl/Evolla-10B-DPO-hf")
model = EvollaForProteinText2Text.from_pretrained("westlake-repl/Evolla-10B-DPO-hf", device_map="auto")
# aa_seq should have same length as foldseek
protein_inputs = [
    {

        "aa_seq": "MATGGRRG...",
        "foldseek": "###lqpfd...", # hashtag means the low-confidence foldseek tokens
    },
    {
        "aa_seq": "MLPGLALL...",
        "foldseek": "dfwwkwad...",
    }
]
message_list = [
    [
        {
            "role": "system",
            "content": "You are an AI expert that can answer any questions about protein.",
        },
        {"role": "user", "content": "What is the function of this protein?"},
    ],
    [
        {
            "role": "system",
            "content": "You are an AI expert that can answer any questions about protein.",
        },
        {"role": "user", "content": "What is the function of this protein?"},
    ]
]
input_dict = processor(
    protein_inputs, messages_list, return_tensors="pt", text_max_length=512, protein_max_length=1024
)
with torch.no_grad():
    generated_ids = hf_model.generate(**input_dict)
generated_texts = processor.batch_decode(
    generated_ids, skip_special_tokens=True
)

Mẹo:

Mô hình này được đóng góp bởi Xibin Bayes Zhou.
Mã nguồn gốc có thể được tìm thấy tại đây.

EvollaConfig

lớp transformers.EvollaConfig

< source >

( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Noneprotein_encoder_config: dict | transformers.configuration_utils.PreTrainedConfig | None = Nonevocab_size: int = 128256hidden_size: int = 4096intermediate_size: int = 14336num_hidden_layers: int = 32num_attention_heads: int = 32num_key_value_heads: int | None = 8hidden_act: str = 'silu'max_position_embeddings: int = 8192rms_norm_eps: float = 1e-05rope_parameters: transformers.modeling_rope_utils.RopeParameters | dict | None = Noneattention_bias: bool = Falseattention_dropout: float | int | None = 0.0mlp_bias: bool = Falsealigner_ffn_mult: int | None = 4aligner_enable_bias: bool | None = Truealigner_attention_probs_dropout_prob: float | None = 0.1aligner_num_add_layers: int | None = 8resampler_depth: int | None = 6resampler_dim_head: int | None = 64resampler_heads: int | None = 8resampler_num_latents: int | None = 64resampler_ff_mult: int | None = 4initializer_range: float = 0.02pad_token_id: int | None = Nonebos_token_id: int | None = 128000eos_token_id: int | list[int] | None = 128009use_cache: bool = Falsetie_word_embeddings: bool = Falseis_decoder: bool | None = Falseadd_cross_attention: bool | None = False )

Tham số

protein_encoder_config (dict, tùy chọn) — Từ điển các tùy chọn cấu hình được sử dụng để khởi tạo SaProtConfig.
vocab_size (int, tuỳ chọn, mặc định là 128256) — Kích thước từ vựng của mô hình. Xác định số lượng token khác nhau có thể được biểu diễn bởi input_ids.
hidden_size (int, tùy chọn, mặc định là 4096) — Kích thước của các biểu diễn ẩn.
intermediate_size (int, tùy chọn, mặc định là 14336) — Kích thước của các biểu diễn MLP.
num_hidden_layers (int, tùy chọn, mặc định là 32) — Số lượng lớp ẩn trong bộ giải mã Transformer.
num_attention_heads (int, tùy chọn, mặc định là 32) — Số lượng đầu attention cho mỗi lớp attention trong bộ giải mã Transformer.
num_key_value_heads (int, tùy chọn, mặc định là 8) — Đây là số lượng key_value heads cần được sử dụng để triển khai Grouped Query Attention. Nếu num_key_value_heads=num_attention_heads, mô hình sẽ sử dụng Multi Head Attention (MHA), nếu num_key_value_heads=1 mô hình sẽ sử dụng Multi Query Attention (MQA), ngược lại sẽ sử dụng GQA. Khi chuyển đổi checkpoint multi-head sang checkpoint GQA, mỗi nhóm key và value head nên được xây dựng bằng cách meanpooling tất cả các head gốc trong nhóm đó. Để biết thêm chi tiết, hãy xem bài báo này. Nếu không được chỉ định, giá trị mặc định sẽ là num_attention_heads.
hidden_act (str, tùy chọn, mặc định là silu) — Hàm kích hoạt phi tuyến (hàm hoặc chuỗi) trong bộ giải mã. Ví dụ, "gelu", "relu", "silu", v.v.
max_position_embeddings (int, tùy chọn, mặc định là 8192) — Chiều dài chuỗi tối đa mà mô hình này có thể được sử dụng.
rms_norm_eps (float, tùy chọn, mặc định là 1e-05) — Giá trị epsilon được sử dụng bởi các lớp chuẩn hóa rms.
rope_parameters (Union[~modeling_rope_utils.RopeParameters, dict], tùy chọn) — Từ điển chứa các tham số cấu hình cho các embedding RoPE. Từ điển phải chứa một giá trị cho rope_theta và tùy chọn các tham số được sử dụng để mở rộng trong trường hợp bạn muốn sử dụng RoPE với max_position_embeddings dài hơn.
attention_bias (bool, tùy chọn, mặc định là False) — Có sử dụng bias trong các lớp chiếu query, key, value và output trong quá trình tự chú ý hay không.
attention_dropout (Union[float, int], tùy chọn, mặc định là 0.0) — Tỷ lệ dropout cho các xác suất chú ý.
mlp_bias (bool, tùy chọn, mặc định là False) — Có sử dụng bias trong các lớp up_proj, down_proj và gate_proj của các lớp MLP hay không.
aligner_ffn_mult (int, tuỳ chọn, mặc định là 4) — Hệ số nhân FFN cho lớp aligner.
aligner_enable_bias (bool, tùy chọn, mặc định là True) — Có sử dụng bias trong lớp aligner hay không.
aligner_attention_probs_dropout_prob (float, tùy chọn, mặc định là 0.1) — Tỷ lệ dropout cho các xác suất chú ý trong lớp aligner.
aligner_num_add_layers (int, tùy chọn, mặc định là 8) — Số lượng lớp bổ sung cho lớp aligner.
resampler_depth (int, tùy chọn, mặc định là 6) — Độ sâu của lớp resampler trong mô hình llama.
resampler_dim_head (int, tùy chọn, mặc định là 64) — Kích thước của các đầu (heads) trong lớp resampler của mô hình llama.
resampler_heads (int, tùy chọn, mặc định là 8) — Số lượng heads trong lớp resampler của mô hình llama.
resampler_num_latents (int, tùy chọn, mặc định là 64) — Số lượng latents trong lớp resampler của mô hình llama.
resampler_ff_mult (int, tùy chọn, mặc định là 4) — Hệ số nhân FFN cho lớp resampler.
initializer_range (float, tùy chọn, mặc định là 0.02) — Độ lệch chuẩn của truncated_normal_initializer để khởi tạo tất cả các ma trận trọng số.
pad_token_id (int, tùy chọn) — Token id được sử dụng để đệm trong từ vựng.
bos_token_id (int, tùy chọn, mặc định là 128000) — Token id được dùng cho beginning-of-stream trong bảng từ vựng.
eos_token_id (Union[int, list[int]], tùy chọn, mặc định là 128009) — Token id được sử dụng cho end-of-stream trong bảng từ vựng.
use_cache (bool, tùy chọn, mặc định là False) — Xác định xem mô hình có nên trả về các chú ý key/values cuối cùng hay không (không được sử dụng bởi tất cả các mô hình). Chỉ liên quan nếu config.is_decoder=True hoặc khi mô hình là mô hình sinh chỉ có decoder.
tie_word_embeddings (bool, tùy chọn, mặc định là False) — Có nên gắn kết các trọng số nhúng theo ánh xạ tied_weights_keys của mô hình hay không.
is_decoder (bool, tùy chọn, mặc định là False) — Xác định xem mô hình có được sử dụng như một bộ giải mã hay không. Nếu False, mô hình sẽ được sử dụng như một bộ mã hóa.
add_cross_attention (bool, tùy chọn, mặc định là False) — Xác định xem có nên thêm các lớp cross-attention vào mô hình hay không.

Đây là lớp cấu hình để lưu trữ cấu hình của một EvollaModel. Nó được sử dụng để khởi tạo một mô hình Evolla theo các đối số được chỉ định, xác định kiến trúc của mô hình. Khởi tạo một cấu hình với các giá trị mặc định sẽ tạo ra một cấu hình tương tự như cấu hình của westlake-repl/Evolla-10B-hf

Các đối tượng cấu hình kế thừa từ PreTrainedConfig và có thể được sử dụng để kiểm soát đầu ra của mô hình. Đọc tài liệu từ PreTrainedConfig để biết thêm thông tin.

Ví dụ:

>>> from transformers import EvollaModel, EvollaConfig

>>> # Initializing a Evolla evolla-10b style configuration
>>> configuration = EvollaConfig()

>>> # Initializing a model from the evolla-10b style configuration
>>> model = EvollaModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

EvollaModel

lớp transformers.EvollaModel

< source >

( config: EvollaConfig )

forward

< source >

( input_ids: typing.Optional[torch.LongTensor] = Noneattention_mask: typing.Optional[torch.Tensor] = Noneposition_ids: typing.Optional[torch.LongTensor] = Nonepast_key_values: transformers.cache_utils.Cache | None = Noneinputs_embeds: typing.Optional[torch.Tensor] = Noneuse_cache: bool | None = Noneprotein_input_ids: typing.Optional[torch.LongTensor] = Noneprotein_attention_mask: typing.Optional[torch.Tensor] = Nonestructure_feats: typing.Optional[torch.Tensor] = Nonemsa_feats: typing.Optional[torch.Tensor] = Nonestructure_batch_mask: typing.Optional[torch.Tensor] = Nonemsa_batch_mask: typing.Optional[torch.Tensor] = None**kwargs ) → BaseModelOutputWithPast or tuple(torch.Tensor)

Tham số

input_ids (torch.LongTensor có dạng (batch_size, sequence_length), tùy chọn) — Chỉ số của các token trong chuỗi đầu vào theo từ điển. Mặc định, padding sẽ bị bỏ qua.
Các chỉ số có thể được lấy bằng cách sử dụng AutoTokenizer. Xem PreTrainedTokenizer.encode() và PreTrainedTokenizer.call() để biết thêm chi tiết.

ID đầu vào là gì?
attention_mask (torch.Tensor có hình dạng (batch_size, sequence_length), tùy chọn) — Mặt nạ để tránh thực hiện chú ý trên các chỉ số token đệm. Các giá trị mặt nạ được chọn trong [0, 1]:
- 1 cho các token không bị che,
- 0 cho các token bị che.
Mặt nạ chú ý là gì?
position_ids (torch.LongTensor có hình dạng (batch_size, sequence_length), tùy chọn) — Chỉ số vị trí của các token trong mỗi chuỗi đầu vào trong các position embeddings. Được chọn trong khoảng [0, config.n_positions - 1].
ID vị trí là gì?
past_key_values (~cache_utils.Cache, tuỳ chọn) — Các hidden-state đã tính trước (key và value trong các khối self-attention và cross-attention) có thể được sử dụng để tăng tốc giải mã tuần tự. Điều này thường bao gồm past_key_values được trả về bởi mô hình ở một giai đoạn giải mã trước đó, khi use_cache=True hoặc config.use_cache=True.
Chỉ cho phép Cache instance làm đầu vào, xem hướng dẫn kv cache của chúng tôi. Nếu không truyền past_key_values, DynamicCache sẽ được khởi tạo theo mặc định.

Mô hình sẽ xuất ra cùng định dạng cache được đưa vào làm đầu vào.

Nếu past_key_values được sử dụng, người dùng được kỳ vọng chỉ nhập input_ids chưa được xử lý (những phần chưa có trạng thái key value quá khứ được cung cấp cho mô hình này) có hình dạng (batch_size, unprocessed_length) thay vì toàn bộ input_ids có hình dạng (batch_size, sequence_length).
inputs_embeds (torch.Tensor có hình dạng (batch_size, sequence_length, hidden_size), tùy chọn) — Tùy chọn, thay vì truyền input_ids, bạn có thể chọn truyền trực tiếp một biểu diễn nhúng. Điều này hữu ích nếu bạn muốn kiểm soát nhiều hơn cách chuyển đổi các chỉ số input_ids thành các vector liên quan so với ma trận tra cứu nhúng nội bộ của mô hình.
use_cache (bool, tùy chọn) — Nếu đặt thành True, các trạng thái key value của past_key_values sẽ được trả về và có thể được sử dụng để tăng tốc quá trình giải mã (xem past_key_values).
protein_input_ids (torch.LongTensor, tùy chọn) — Các ID đầu vào cho trình tự protein dưới dạng token nhận thức cấu trúc. Phải có hình dạng (batch_size, protein_seq_length) và kiểu torch.LongTensor.
protein_attention_mask (torch.Tensor, tùy chọn) — Mặt nạ chú ý cho trình tự protein. Phải có hình dạng (batch_size, protein_seq_length) và kiểu torch.Tensor.
structure_feats (torch.Tensor, tùy chọn) — Các ID đầu vào cho các đặc trưng thuần túy dựa trên cấu trúc. Phải có hình dạng (batch_size, structure_seq_length, structure_feat_dim) và kiểu torch.Tensor. Đầu vào giả cho hiện tại.
msa_feats (torch.Tensor, tùy chọn) — Các ID đầu vào cho các đặc trưng thuần dựa trên MSA. Phải có hình dạng (batch_size, msa_seq_length, msa_feat_dim) và kiểu torch.Tensor. Đầu vào giả cho hiện tại.
structure_batch_mask (torch.Tensor, tuỳ chọn) — Mặt nạ lô (batch mask) để quyết định các trình tự protein nào thuần dựa trên cấu trúc. Phải có hình dạng (batch_size) và kiểu torch.Tensor. Phải được ghép cặp với structure_feats. Đầu vào giả (dummy input) cho hiện tại.
msa_batch_mask (torch.Tensor, tùy chọn) — Mặt nạ lô (batch mask) để quyết định các trình tự protein nào là thuần dựa trên MSA. Phải có hình dạng (batch_size) và kiểu torch.Tensor. Phải được ghép cặp với msa_feats. Đầu vào giả (dummy input) cho hiện tại.

Trả về

BaseModelOutputWithPast hoặc tuple(torch.Tensor)

Một BaseModelOutputWithPast hoặc một tuple của torch.Tensor (nếu return_dict=False được truyền hoặc khi config.return_dict=False) bao gồm các thành phần khác nhau tùy thuộc vào cấu hình (None) và đầu vào.

Phương thức forward của EvollaModel ghi đè phương thức đặc biệt __call__.

Mặc dù công thức cho bước truyền tiến cần được định nghĩa bên trong hàm này, người dùng nên gọi instance của Module sau đó thay vì gọi hàm này, vì instance Module sẽ đảm nhận việc thực hiện các bước tiền xử lý và hậu xử lý, trong khi hàm này sẽ lặng lẽ bỏ qua chúng.

last_hidden_state (torch.Tensor có hình dạng (batch_size, sequence_length, hidden_size)) — Chuỗi các hidden-state tại đầu ra của lớp cuối cùng của mô hình.

Nếu past_key_values được sử dụng, chỉ có hidden-state cuối cùng của các chuỗi có shape (batch_size, 1, hidden_size) được xuất ra.
past_key_values (Cache, tùy chọn, được trả về khi use_cache=True được truyền vào hoặc khi config.use_cache=True) — Đây là một instance của Cache. Để biết thêm chi tiết, hãy xem hướng dẫn về kv cache của chúng tôi.

Chứa các hidden-states đã được tính trước (key và values trong các khối self-attention và tùy chọn nếu config.is_encoder_decoder=True trong các khối cross-attention) có thể được sử dụng (xem đầu vào past_key_values) để tăng tốc độ giải mã tuần tự.
hidden_states (tuple(torch.Tensor), tuỳ chọn, được trả về khi output_hidden_states=True được truyền vào hoặc khi config.output_hidden_states=True) — Bộ tuple của torch.Tensor (một cho đầu ra của embeddings, nếu mô hình có lớp embedding, + một cho đầu ra của mỗi lớp) có hình dạng (batch_size, sequence_length, hidden_size).

Trạng thái ẩn của mô hình tại đầu ra của mỗi lớp cùng với các đầu ra embedding ban đầu tùy chọn.
attentions (tuple(torch.Tensor), tuỳ chọn, được trả về khi output_attentions=True được truyền vào hoặc khi config.output_attentions=True) — Tuple của torch.Tensor (một cho mỗi lớp) có hình dạng (batch_size, num_heads, sequence_length, sequence_length).

Trọng số chú ý sau softmax của attention, được sử dụng để tính trung bình có trọng số trong các đầu self-attention.

EvollaForProteinText2Text

lớp transformers.EvollaForProteinText2Text

< source >

( config: EvollaConfig )

forward

< source >

( input_ids: typing.Optional[torch.LongTensor] = Noneattention_mask: typing.Optional[torch.Tensor] = Noneinputs_embeds: typing.Optional[torch.Tensor] = Nonelabels: typing.Optional[torch.LongTensor] = Noneprotein_input_ids: typing.Optional[torch.LongTensor] = Noneprotein_attention_mask: typing.Optional[torch.Tensor] = Noneuse_cache: bool | None = Nonelogits_to_keep: typing.Union[int, torch.Tensor] = 0**kwargs )

Tham số

input_ids (torch.LongTensor có dạng (batch_size, sequence_length), tùy chọn) — Chỉ số của các token trong chuỗi đầu vào theo từ điển. Mặc định, padding sẽ bị bỏ qua.
Các chỉ số có thể được lấy bằng cách sử dụng AutoTokenizer. Xem PreTrainedTokenizer.encode() và PreTrainedTokenizer.call() để biết thêm chi tiết.

ID đầu vào là gì?
attention_mask (torch.Tensor có hình dạng (batch_size, sequence_length), tùy chọn) — Mặt nạ để tránh thực hiện chú ý trên các chỉ số token đệm. Các giá trị mặt nạ được chọn trong [0, 1]:
- 1 cho các token không bị che,
- 0 cho các token bị che.
Mặt nạ chú ý là gì?
inputs_embeds (torch.Tensor có hình dạng (batch_size, sequence_length, hidden_size), tùy chọn) — Tùy chọn, thay vì truyền input_ids, bạn có thể chọn truyền trực tiếp một biểu diễn nhúng. Điều này hữu ích nếu bạn muốn kiểm soát nhiều hơn cách chuyển đổi các chỉ số input_ids thành các vector liên quan so với ma trận tra cứu nhúng nội bộ của mô hình.
labels (torch.LongTensor có shape (batch_size, sequence_length), tùy chọn) — Nhãn để tính toán tổn thất mô hình hóa ngôn ngữ có che (masked language modeling loss). Chỉ số phải nằm trong [0, ..., config.vocab_size] hoặc -100 (xem docstring của input_ids). Các token có chỉ số được đặt thành -100 sẽ bị bỏ qua (che), tổn thất chỉ được tính cho các token có nhãn nằm trong [0, ..., config.vocab_size].
protein_input_ids (torch.LongTensor, tùy chọn) — Các ID đầu vào cho trình tự protein. Phải có hình dạng (batch_size, protein_seq_length) và kiểu torch.LongTensor.
protein_attention_mask (torch.Tensor, tùy chọn) — Mặt nạ chú ý cho trình tự protein. Phải có hình dạng (batch_size, protein_seq_length) và kiểu torch.Tensor.
use_cache (bool, tùy chọn) — Nếu đặt thành True, các trạng thái key value của past_key_values sẽ được trả về và có thể được sử dụng để tăng tốc quá trình giải mã (xem past_key_values).
logits_to_keep (Union[int, torch.Tensor], tùy chọn, mặc định là 0) — Nếu là int, tính logits cho logits_to_keep token cuối. Nếu là 0, tính logits cho tất cả input_ids (trường hợp đặc biệt). Chỉ cần logits của token cuối cho quá trình sinh, và việc chỉ tính cho token đó có thể tiết kiệm bộ nhớ, điều này trở nên khá đáng kể với các chuỗi dài hoặc kích thước từ vựng lớn. Nếu là torch.Tensor, phải là 1 chiều tương ứng với các chỉ số cần giữ trong chiều độ dài chuỗi. Điều này hữu ích khi sử dụng định dạng tensor đóng gói (một chiều duy nhất cho batch và độ dài chuỗi).

Phương thức forward của EvollaForProteinText2Text ghi đè lên phương thức đặc biệt __call__.

Mặc dù công thức cho bước truyền tiến cần được định nghĩa bên trong hàm này, người dùng nên gọi instance của Module sau đó thay vì gọi hàm này, vì instance Module sẽ đảm nhận việc thực hiện các bước tiền xử lý và hậu xử lý, trong khi hàm này sẽ lặng lẽ bỏ qua chúng.

Ví dụ:

>>> from transformers import EvollaProcessor, EvollaForProteinText2Text
>>> model = EvollaForProteinText2Text.from_pretrained("westlake/Evolla-10B-hf")
>>> processor = EvollaProcessor.from_pretrained("westlake/Evolla-10B-hf")

>>> protein_information = {
    "aa_seq": "your amino acid sequence",
    "foldseek": "your foldseek sequence",
}
>>> question = "What is the function of this protein?"
>>> message = [
    {"role": "system", "content": "You are an AI expert that can answer any questions about protein."},
    {"role": "user", "content": question},
]

>>> inputs = processor(proteins=[protein_information], messages_list=[message], return_tensors="pt", padding="longest")
>>> outputs = model.generate(**inputs)

>>> print(processor.batch_decode(outputs, skip_special_tokens=True))

EvollaProcessor

lớp transformers.EvollaProcessor

< source >

( protein_tokenizertokenizer = Noneprotein_max_length = 1024text_max_length = 512**kwargs )

Tham số

protein_tokenizer (EsmTokenizer) — Một instance của EsmTokenizer. Protein tokenizer là một đầu vào bắt buộc.
tokenizer (tokenizer_class) — Tokenizer là đầu vào bắt buộc.
protein_max_length (int, tùy chọn, mặc định là 1024) — Độ dài tối đa của chuỗi được tạo ra.
text_max_length (int, tùy chọn, mặc định là 512) — Độ dài tối đa của văn bản cần được tạo ra.

Tạo một EvollaProcessor bao bọc một protein tokenizer và một tokenizer thành một processor duy nhất.

EvollaProcessor cung cấp đầy đủ các chức năng của {protein_tokenizer_class} và tokenizer_class. Xem ~{protein_tokenizer_class} và ~tokenizer_class để biết thêm thông tin.

call

< source >

Tham số

proteins (Union[List[dict], dict]) — Một danh sách các từ điển hoặc một từ điển duy nhất chứa các khóa sau:
- "aa_seq" (str) — Trình tự axit amin của protein.
- "foldseek" (str) — Chuỗi foldseek của protein.
messages_list (Union[List[List[dict]], List[dict]]) — Một danh sách các danh sách từ điển hoặc một danh sách từ điển chứa các khóa sau:
- "role" (str) — Vai trò của tin nhắn.
- "content" (str) — Nội dung của tin nhắn.
protein_max_length (int, tùy chọn, mặc định là 1024) — Độ dài tối đa của chuỗi được tạo ra.
text_max_length (int, tùy chọn, mặc định là 512) — Độ dài tối đa của văn bản.
return_tensors (str hoặc TensorType, tùy chọn) — Nếu được đặt, sẽ trả về tensor của một framework cụ thể. Các giá trị chấp nhận được là:
- 'pt': Trả về các đối tượng torch.Tensor của PyTorch.
- 'np': Trả về các đối tượng np.ndarray của NumPy.

Trả về

một dict với các khóa sau

protein_input_ids (torch.Tensor có hình dạng (batch_size, sequence_length)) — Các ID đầu vào cho trình tự protein.
protein_attention_mask (torch.Tensor có hình dạng (batch_size, sequence_length)) — Mặt nạ chú ý (attention mask) cho trình tự protein.
text_input_ids (torch.Tensor có hình dạng (batch_size, sequence_length)) — Các ID đầu vào cho chuỗi văn bản.
text_attention_mask (torch.Tensor có hình dạng (batch_size, sequence_length)) — Mặt nạ chú ý cho chuỗi văn bản.

Update on GitHub

←ernie4_5_vl_moe FastVLM→