bert4torch

Documentation | Torch4keras | Examples | build_MiniLLM_from_scratch | bert4vector

目录

• 目录
• 1. 下载安装
• 2. 功能
• 3. 快速上手
  • 3.1 上手教程
  • 3.2 命令行快速部署大模型服务
• 4. 版本和更新历史
  • 4.1 版本历史
  • 4.2 更新历史
• 5. 预训练权重
  • 5.1 权重加载
  • 5.2 权重链接
• 6. 鸣谢
• 7. 引用
• 8. 其他

1. 下载安装

安装稳定版

pip install bert4torch

安装最新版

pip install git+https://github.com/Tongjilibo/bert4torch

• 注意事项：pip包的发布慢于git上的开发版本，git clone注意引用路径，注意权重是否需要转换
• 测试用例：git clone https://github.com/Tongjilibo/bert4torch，修改example中的预训练模型文件路径和数据路径即可启动脚本
• 自行训练：针对自己的数据，修改相应的数据处理代码块
• 开发环境：原使用 torch==1.10版本进行开发，现已切换到 torch2.0开发，如其他版本遇到不适配，欢迎反馈

2. 功能

• LLM模型: 加载chatglm、llama、 baichuan、ziya、bloom等开源大模型权重进行推理和微调，命令行一行部署大模型

• 核心功能：加载bert、roberta、albert、xlnet、nezha、bart、RoFormer、RoFormer_V2、ELECTRA、GPT、GPT2、T5、GAU-alpha、ERNIE等预训练权重继续进行finetune、并支持在bert基础上灵活定义自己模型

• 丰富示例：包含llm、pretrain、sentence_classfication、sentence_embedding、sequence_labeling、relation_extraction、seq2seq、serving等多种解决方案

• 实验验证：已在公开数据集实验验证，使用如下examples数据集和实验指标

• 易用trick：集成了常见的trick，即插即用

• 其他特性：加载transformers库模型一起使用；调用方式简洁高效；有训练进度条动态展示；配合torchinfo打印参数量；默认Logger和Tensorboard简便记录训练过程；自定义fit过程，满足高阶需求

• 训练过程：

  

功能	bert4torch	transformers	备注
训练进度条	✅	✅	进度条打印loss和定义的metrics
分布式训练dp/ddp	✅	✅	torch自带dp/ddp
各类callbacks	✅	✅	日志/tensorboard/earlystop/wandb等
大模型推理，stream/batch输出	✅	✅	各个模型是通用的，无需单独维护脚本
大模型微调	✅	✅	lora依赖peft库，pv2自带
丰富tricks	✅	❌	对抗训练等tricks即插即用
代码简洁易懂，自定义空间大	✅	❌	代码复用度高, keras代码训练风格
仓库的维护能力/影响力/使用量/兼容性	❌	✅	目前仓库个人维护
一键部署大模型

3. 快速上手

3.1 上手教程

• Quick-Start
• 快速上手教程，教程示例，实战示例
• bert4torch介绍(知乎)，bert4torch快速上手(知乎)，bert4torch又双叒叕更新啦(知乎)

3.2 命令行快速部署大模型服务

• 本地 / 联网加载

  # 联网下载全部文件
  bert4torch serve Qwen/Qwen2-0.5B-Instruct
  
  # 加载本地大模型，且bert4torch_config.json已经下载并放于同名目录下
  bert4torch serve /data/pretrain_ckpt/Qwen/Qwen2-0.5B-Instruct
  

• 命令行 / gradio网页 / openai_api

  # 命令行
  bert4torch serve /data/pretrain_ckpt/Qwen/Qwen2-0.5B-Instruct --mode cli
  
  # gradio网页
  bert4torch serve /data/pretrain_ckpt/Qwen/Qwen2-0.5B-Instruct --mode gradio
  
  # openai_api
  bert4torch serve /data/pretrain_ckpt/Qwen/Qwen2-0.5B-Instruct --mode openai
  

• 命令行聊天示例

4. 版本和更新历史

4.1 版本历史

更新日期	bert4torch	torch4keras	版本说明
20260513	0.6.2	0.3.4	增加qwen3_vl、deepseek ocr、glm_ocr; 去除对transformers依赖，增加AutoTokenizer, AutoProcessor
20260114	0.6.1	0.3.3	增加paddleocr-vl，优化代码结构，去除硬代码模型配置项
20250925	0.6.0	0.3.2	增加 Qwen3-moe, 支持 gptq、awq等主流量化方式，其他代码优化
20250721	0.5.9.post2	0.3.1	增加 Ernie4_5, 修复hub下载bug, 拆分出 openai_client

更多版本

4.2 更新历史

更多历史

5. 预训练权重

5.1 权重加载

from bert4torch.models import build_transformer_model

# 1. 仅指定pretrained_model_name_or_path: 
# 1.1 model_name: hf上预训练权重名称, 会自动下载hf权重以及bert4torch_config.json文件
model = build_transformer_model('google-bert/bert-base-chinese')

# 1.2 本地文件夹路径: 自动寻找路径下的*.bin/*.safetensors权重文件 + bert4torch_config.json文件，需提前下载到本地
model = build_transformer_model('/data/pretrained_models/google-bert/bert-base-chinese')

# 2. 同时指定config_path和checkpoint_path，和1效果一样
config_path = './model/bert4torch_config.json'
checkpoint_path = './model/pytorch_model.bin'
model = build_transformer_model(config_path=config_path, checkpoint_path=checkpoint_path)

# 3. 仅指定config_path: 从头初始化模型结构, 不加载预训练模型
model = build_transformer_model(config_path='./model/bert4torch_config.json')

5.2 权重链接

模型分类	模型名称	权重来源	checkpoint_path	config_path
bert	bert-base-chinese	google-bert	google-bert/bert-base-chinese 🤗	🤗
	chinese_L-12_H-768_A-12	谷歌	tf权重Tongjilibo/bert-chinese_L-12_H-768_A-12 🤗
	chinese-bert-wwm-ext	HFL	hfl/chinese-bert-wwm-ext 🤗	🤗
	bert-base-multilingual-cased	google-bert	google-bert/bert-base-multilingual-cased 🤗	🤗
	bert-base-cased	google-bert	google-bert/bert-base-cased 🤗	🤗
	bert-base-uncased	google-bert	google-bert/bert-base-uncased 🤗	🤗
	MacBERT	HFL	hfl/chinese-macbert-base 🤗hfl/chinese-macbert-large 🤗	🤗🤗
	WoBERT	追一科技	junnyu/wobert_chinese_base 🤗junnyu/wobert_chinese_plus_base 🤗	🤗🤗
roberta	chinese-roberta-wwm-ext	HFL	hfl/chinese-roberta-wwm-ext 🤗hfl/chinese-roberta-wwm-ext-large 🤗(large的mlm权重是随机初始化)	🤗🤗
	roberta-small/tiny	追一科技	Tongjilibo/chinese_roberta_L-4_H-312_A-12 🤗Tongjilibo/chinese_roberta_L-6_H-384_A-12 🤗
	roberta-base	FacebookAI	FacebookAI/roberta-base 🤗	🤗
	guwenbert	ethanyt	ethanyt/guwenbert-base 🤗	🤗
albert	albert_zhalbert_pytorch	brightmart	voidful/albert_chinese_tiny 🤗voidful/albert_chinese_small 🤗voidful/albert_chinese_base 🤗voidful/albert_chinese_large 🤗voidful/albert_chinese_xlarge 🤗voidful/albert_chinese_xxlarge 🤗	🤗🤗🤗🤗🤗🤗
nezha	NEZHANeZha_Chinese_PyTorch	huawei_noah	sijunhe/nezha-cn-base 🤗sijunhe/nezha-cn-large 🤗sijunhe/nezha-base-wwm 🤗sijunhe/nezha-large-wwm 🤗	🤗🤗🤗🤗
	nezha_gpt_dialog	bojone	Tongjilibo/nezha_gpt_dialog 🤗
xlnet	Chinese-XLNet	HFL	hfl/chinese-xlnet-base 🤗	🤗
	tranformer_xl	huggingface	transfo-xl/transfo-xl-wt103 🤗	🤗
deberta	Erlangshen-DeBERTa-v2	IDEA	IDEA-CCNL/Erlangshen-DeBERTa-v2-97M-Chinese 🤗IDEA-CCNL/Erlangshen-DeBERTa-v2-320M-Chinese 🤗IDEA-CCNL/Erlangshen-DeBERTa-v2-710M-Chinese 🤗	🤗🤗🤗
electra	Chinese-ELECTRA	HFL	hfl/chinese-electra-base-discriminator 🤗	🤗
ernie	ernie	百度文心	nghuyong/ernie-1.0-base-zh 🤗nghuyong/ernie-3.0-base-zh 🤗	🤗🤗
roformer	roformer	追一科技	junnyu/roformer_chinese_base 🤗	🤗
	roformer_v2	追一科技	junnyu/roformer_v2_chinese_char_base 🤗	🤗
simbert	simbert	追一科技	Tongjilibo/simbert-chinese-base 🤗Tongjilibo/simbert-chinese-small 🤗Tongjilibo/simbert-chinese-tiny 🤗
	simbert_v2/roformer-sim	追一科技	junnyu/roformer_chinese_sim_char_base 🤗junnyu/roformer_chinese_sim_char_ft_base 🤗junnyu/roformer_chinese_sim_char_small 🤗junnyu/roformer_chinese_sim_char_ft_small 🤗	🤗🤗🤗🤗
gau	GAU-alpha	追一科技	Tongjilibo/chinese_GAU-alpha-char_L-24_H-768 🤗
ModernBERT	ModernBERT	answerdotai	answerdotai/ModernBERT-base 🤗answerdotai/ModernBERT-large 🤗	🤗🤗
uie	uieuie_pytorch	百度	Tongjilibo/uie-base 🤗
gpt	CDial-GPT	thu-coai	thu-coai/CDial-GPT_LCCC-base 🤗thu-coai/CDial-GPT_LCCC-large 🤗	🤗🤗
	cmp_lm(26亿)	清华	TsinghuaAI/CPM-Generate 🤗	🤗
	nezha_gen	huawei_noah	Tongjilibo/chinese_nezha_gpt_L-12_H-768_A-12 🤗
	gpt2-chinese-cluecorpussmall	UER	uer/gpt2-chinese-cluecorpussmall 🤗	🤗
	gpt2-ml	imcaspar	Tongjilibo/gpt2-ml_15g_corpus 🤗Tongjilibo/gpt2-ml_30g_corpus 🤗torch,BaiduYun(84dh)
bart	bart_base_chinese	复旦fnlp	fnlp/bart-base-chinese 🤗fnlp/bart-base-chinese-v1.0	🤗🤗
t5	t5	UER	uer/t5-small-chinese-cluecorpussmall 🤗uer/t5-base-chinese-cluecorpussmall 🤗	🤗🤗
	mt5	谷歌	google/mt5-base 🤗	🤗
	t5_pegasus	追一科技	Tongjilibo/chinese_t5_pegasus_small 🤗Tongjilibo/chinese_t5_pegasus_base 🤗
	chatyuan	clue-ai	ClueAI/ChatYuan-large-v1 🤗ClueAI/ChatYuan-large-v2 🤗	🤗🤗
	PromptCLUE	clue-ai	ClueAI/PromptCLUE-base 🤗	🤗
chatglm	ChatGLM-6B	zai-org	zai-org/chatglm-6b 🤗zai-org/chatglm-6b-int8 🤗zai-org/chatglm-6b-int4 🤗zai-org/chatglm-6b-v0.1.0🤗	🤗🤗🤗🤗
	ChatGLM2-6B	zai-org	zai-org/chatglm2-6b 🤗zai-org/chatglm2-6b-int4 🤗zai-org/chatglm2-6b-32k 🤗	🤗🤗🤗
	ChatGLM3	zai-org	zai-org/chatglm3-6b 🤗zai-org/chatglm3-6b-32k 🤗	🤗🤗
	GLM-4	zai-org	zai-org/glm-4-9b 🤗zai-org/glm-4-9b-chat 🤗zai-org/glm-4-9b-chat-1m 🤗zai-org/glm-4v-9b 🤗zai-org/GLM-4-9B-0414 🤗zai-org/GLM-Z1-9B-0414 🤗	🤗🤗🤗🤗
llama	llama	meta	meta-llama/llama-7bmeta-llama/llama-13b	🤗🤗
	llama-2	meta	meta-llama/Llama-2-7b-hf🤗meta-llama/Llama-2-7b-chat-hf🤗meta-llama/Llama-2-13b-hf🤗meta-llama/Llama-2-13b-chat-hf🤗	🤗🤗🤗🤗
	llama-3	meta	meta-llama/Meta-Llama-3-8B 🤗meta-llama/Meta-Llama-3-8B-Instruct 🤗	🤗🤗
	llama-3.1	meta	meta-llama/Meta-Llama-3.1-8B 🤗meta-llama/Meta-Llama-3.1-8B-Instruct 🤗	🤗🤗
	llama-3.2	meta	meta-llama/Llama-3.2-1B 🤗meta-llama/Llama-3.2-1B-Instruct 🤗meta-llama/Llama-3.2-3B 🤗meta-llama/Llama-3.2-3B-Instruct 🤗	🤗🤗🤗🤗
	llama-3.2-vision	meta	meta-llama/Llama-3.2-11B-Vision 🤗meta-llama/Llama-3.2-11B-Vision-Instruct 🤗	🤗🤗
llama-series	Chinese-LLaMA-Alpaca	HFL	hfl/chinese-alpaca-plus-lora-7b 🤗hfl/chinese-llama-plus-lora-7b 🤗(使用前需要合并lora权重)	🤗🤗
	Chinese-LLaMA-Alpaca-2	HFL		待添加
	Chinese-LLaMA-Alpaca-3	HFL		待添加
	Belle_llama	LianjiaTech	BelleGroup/BELLE-LLaMA-7B-2M-enc🤗	合成说明、🤗
	Ziya	IDEA-CCNL	IDEA-CCNL/Ziya-LLaMA-13B-v1🤗IDEA-CCNL/Ziya-LLaMA-13B-v1.1🤗IDEA-CCNL/Ziya-LLaMA-13B-Pretrain-v1🤗	🤗🤗
	vicuna	lmsys	lmsys/vicuna-7b-v1.5 🤗	🤗
Baichuan	Baichuan	baichuan-inc	baichuan-inc/Baichuan-7B 🤗baichuan-inc/Baichuan-13B-Base 🤗baichuan-inc/Baichuan-13B-Chat 🤗	🤗🤗🤗
	Baichuan2	baichuan-inc	baichuan-inc/Baichuan2-7B-Base 🤗baichuan-inc/Baichuan2-7B-Chat 🤗baichuan-inc/Baichuan2-13B-Base 🤗baichuan-inc/Baichuan2-13B-Chat 🤗	🤗🤗🤗🤗
Yi	Yi	01-ai	01-ai/Yi-6B 🤗01-ai/Yi-6B-200K 🤗01-ai/Yi-9B 🤗01-ai/Yi-9B-200K 🤗	🤗🤗🤗🤗
	Yi-1.5	01-ai	01-ai/Yi-1.5-6B 🤗01-ai/Yi-1.5-6B-Chat 🤗01-ai/Yi-1.5-9B 🤗01-ai/Yi-1.5-9B-32K 🤗01-ai/Yi-1.5-9B-Chat 🤗01-ai/Yi-1.5-9B-Chat-16K 🤗	🤗🤗🤗🤗🤗🤗
bloom	bloom	bigscience	bigscience/bloom-560m 🤗bigscience/bloomz-560m 🤗	🤗🤗
Qwen	Qwen	阿里云	Qwen/Qwen-1_8B 🤗Qwen/Qwen-1_8B-Chat 🤗Qwen/Qwen-7B 🤗Qwen/Qwen-7B-Chat 🤗Qwen/Qwen-14B 🤗Qwen/Qwen-14B-Chat 🤗	🤗🤗🤗🤗🤗🤗
	Qwen1.5	阿里云	Qwen/Qwen1.5-0.5B 🤗Qwen/Qwen1.5-0.5B-Chat 🤗Qwen/Qwen1.5-1.8B 🤗Qwen/Qwen1.5-1.8B-Chat 🤗Qwen/Qwen1.5-7B 🤗Qwen/Qwen1.5-7B-Chat 🤗Qwen/Qwen1.5-14B 🤗Qwen/Qwen1.5-14B-Chat 🤗	🤗🤗🤗🤗🤗🤗🤗🤗
	Qwen2	阿里云	Qwen/Qwen2-0.5B 🤗Qwen/Qwen2-0.5B-Instruct 🤗Qwen/Qwen2-1.5B 🤗Qwen/Qwen2-1.5B-Instruct 🤗Qwen/Qwen2-7B 🤗Qwen/Qwen2-7B-Instruct 🤗	🤗🤗🤗🤗🤗🤗
	Qwen2-VL	阿里云	Qwen/Qwen2-VL-2B-Instruct 🤗Qwen/Qwen2-VL-7B-Instruct 🤗	🤗🤗
	Qwen2.5	阿里云	Qwen/Qwen2.5-0.5B 🤗Qwen/Qwen2.5-0.5B-Instruct 🤗Qwen/Qwen2.5-1.5B 🤗Qwen/Qwen2.5-1.5B-Instruct 🤗Qwen/Qwen2.5-3B 🤗Qwen/Qwen2.5-3B-Instruct 🤗Qwen/Qwen2.5-7B 🤗Qwen/Qwen2.5-7B-Instruct 🤗Qwen/Qwen2.5-14B 🤗Qwen/Qwen2.5-14B-Instruct 🤗	🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗
	Qwen2.5-VL	阿里云	Qwen/Qwen2.5-VL-3B-Instruct 🤗Qwen/Qwen2.5-VL-7B-Instruct 🤗Qwen/Qwen2.5-VL-32B-Instruct 🤗	🤗🤗🤗
	Qwen3	阿里云	Qwen/Qwen3-0.6B-Base 🤗Qwen/Qwen3-0.6B 🤗Qwen/Qwen3-0.6B-GPTQ-Int8 🤗Qwen/Qwen3-1.7B-Base 🤗Qwen/Qwen3-1.7B 🤗Qwen/Qwen3-4B-Base 🤗Qwen/Qwen3-4B 🤗Qwen/Qwen3-4B-AWQ 🤗Qwen/Qwen3-8B-Base 🤗Qwen/Qwen3-8B 🤗Qwen/Qwen3-14B-Base 🤗Qwen/Qwen3-14B 🤗Qwen/Qwen3-32B 🤗Qwen/Qwen3-4B-Instruct-2507 🤗Qwen/Qwen3-4B-Thinking-2507 🤗Qwen/Qwen3-30B-A3B-Instruct-2507 🤗Qwen/Qwen3-30B-A3B-Thinking-2507 🤗	🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗
	Qwen3-VL	阿里云	Qwen/Qwen3-VL-2B-Instruct 🤗Qwen/Qwen3-VL-2B-Thinking 🤗Qwen/Qwen3-VL-4B-Instruct 🤗Qwen/Qwen3-VL-4B-Thinking 🤗Qwen/Qwen3-VL-8B-Instruct 🤗Qwen/Qwen3-VL-8B-Thinking 🤗Qwen/Qwen3-VL-30B-A3B-Instruct 🤗Qwen/Qwen3-VL-30B-A3B-Thinking 🤗Qwen/Qwen3-VL-32B-Instruct 🤗Qwen/Qwen3-VL-32B-Thinking 🤗	🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗
	Qwen3-Embedding	阿里云	Qwen/Qwen3-Embedding-0.6B 🤗Qwen/Qwen3-Embedding-4B 🤗Qwen/Qwen3-Embedding-8B 🤗	🤗🤗🤗
	Qwen3-Reranker	阿里云	Qwen/Qwen3-Reranker-0.6B 🤗Qwen/Qwen3-Reranker-4B 🤗Qwen/Qwen3-Reranker-8B 🤗	🤗🤗🤗
Intern	InternLM	上海人工智能实验室	internlm/internlm-7b 🤗internlm/internlm-chat-7b 🤗	🤗🤗
	InternLM2	上海人工智能实验室	internlm/internlm2-1_8b 🤗internlm/internlm2-chat-1_8b 🤗internlm/internlm2-7b 🤗internlm/internlm2-chat-7b 🤗internlm/internlm2-20b 🤗internlm/internlm2-chat-20b 🤗	🤗🤗🤗🤗
	InternLM2.5	上海人工智能实验室	internlm/internlm2_5-7b 🤗internlm/internlm2_5-7b-chat 🤗internlm/internlm2_5-7b-chat-1m 🤗	🤗🤗🤗
	InternLM3	上海人工智能实验室	internlm/internlm3-8b-instruct 🤗	🤗
	InternVL1.0-1.5	上海人工智能实验室	OpenGVLab/Mini-InternVL-Chat-4B-V1-5 🤗OpenGVLab/Mini-InternVL-Chat-2B-V1-5 🤗	待添加
	InternVL2.0	上海人工智能实验室	OpenGVLab/InternVL2-1B 🤗OpenGVLab/InternVL2-2B 🤗OpenGVLab/InternVL2-4B 🤗OpenGVLab/InternVL2-8B 🤗	待添加
	InternVL2.5	上海人工智能实验室	OpenGVLab/InternVL2_5-1B 🤗OpenGVLab/InternVL2_5-2B 🤗OpenGVLab/InternVL2_5-4B 🤗OpenGVLab/InternVL2_5-8B 🤗	🤗待添加待添加待添加
Falcon	Falcon	tiiuae	tiiuae/falcon-rw-1b 🤗tiiuae/falcon-7b 🤗tiiuae/falcon-7b-instruct 🤗	🤗🤗🤗
DeepSeek	DeepSeek-MoE	深度求索	deepseek-ai/deepseek-moe-16b-base 🤗deepseek-ai/deepseek-moe-16b-chat 🤗	🤗🤗
	DeepSeek-LLM	深度求索	deepseek-ai/deepseek-llm-7b-base 🤗deepseek-ai/deepseek-llm-7b-chat 🤗	🤗🤗
	DeepSeek-V2	深度求索	deepseek-ai/DeepSeek-V2-Lite 🤗deepseek-ai/DeepSeek-V2-Lite-Chat 🤗	🤗🤗
	DeepSeek-Coder	深度求索	deepseek-ai/deepseek-coder-1.3b-base 🤗deepseek-ai/deepseek-coder-1.3b-instruct 🤗deepseek-ai/deepseek-coder-6.7b-base 🤗deepseek-ai/deepseek-coder-6.7b-instruct 🤗deepseek-ai/deepseek-coder-7b-base-v1.5 🤗deepseek-ai/deepseek-coder-7b-instruct-v1.5 🤗	🤗🤗🤗🤗🤗🤗
	DeepSeek-Coder-V2	深度求索	deepseek-ai/DeepSeek-Coder-V2-Lite-Base 🤗deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct 🤗	🤗🤗
	DeepSeek-Math	深度求索	deepseek-ai/deepseek-math-7b-base 🤗deepseek-ai/deepseek-math-7b-instruct 🤗deepseek-ai/deepseek-math-7b-rl 🤗	🤗🤗🤗
	DeepSeek-R1	深度求索	deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B 🤗deepseek-ai/DeepSeek-R1-Distill-Qwen-7B 🤗deepseek-ai/DeepSeek-R1-Distill-Llama-8B 🤗deepseek-ai/DeepSeek-R1-Distill-Qwen-14B 🤗deepseek-ai/DeepSeek-R1-Distill-Qwen-32B 🤗deepseek-ai/DeepSeek-R1-0528-Qwen3-8B 🤗	🤗🤗🤗[🤗](https://huggingfac