/ Модель

Характеристики

Контекст
8 192 токена
Параметры
9 млрд
Размер весов
18,5 ГБ
Лицензия
Gemma
Архитектура
gemma2 · dense
Базовая модель
gemma-2-9b-chatml
Библиотека
transformers
Опубликована
27 сен 2024

Dante_9B

Генерация текстаТекст → текст9 профессий

Дообученная чат-модель Gemma 2 с 9 млрд параметров для диалогов, ответов на вопросы и генерации текста.

17скачиваний за 30 дней2лайкавеса обновлены27 сен 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

FourOhFour/Dante_9B — чат-модель на базе Gemma 2, дообученная автором репозитория FourOhFour. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат весов safetensors. Она предназначена для диалоговой генерации текста; базовая модель использует токены ChatML. Контекст составляет до 8192 токенов.

Модель можно применять для ведения диалогов, ответов на вопросы и генерации текста. В карточке приведён результат оценки: loss 0,7320; описание обучающих данных и подробности оценки не раскрыты. Лицензия — gemma.

Сценарии применения

  • ведение диалога с пользователем
  • ответы на вопросы в текстовом чате
  • генерация связного текста по запросу

Ограничения

README не описывает обучающие данные, целевые сценарии и подробности оценки; указан только loss 0,7320. Языковая поддержка отдельно не заявлена.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

axolotl version: 0.4.1

base_model: IntervitensInc/gemma-2-9b-chatml
model_type: AutoModelForCausalLM
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: FourOhFour/Instruct_Phase
    type: sharegpt
    conversation: chatml

chat_template: chatml

val_set_size: 0.0025
output_dir: ./outputs/out

adapter:
lora_r:
lora_alpha:
lora_dropout:
lora_target_linear:

sequence_len: 8192
sample_packing: true
eval_sample_packing: false
pad_to_sequence_len: true

plugins:
  - axolotl.integrations.liger.LigerPlugin
liger_rope: true
liger_rms_norm: false
liger_swiglu: true
liger_fused_linear_cross_entropy: false

wandb_project: chatml9B
wandb_entity:
wandb_watch:
wandb_name: chatml9B
wandb_log_model:

gradient_accumulation_steps: 32
micro_batch_size: 1
num_epochs: 2
optimizer: adamw_bnb_8bit
lr_scheduler: cosine
learning_rate: 0.000008
weight_decay: 0.05

train_on_inputs: false
group_by_length: false
bf16: auto
fp16:
tf32: true

gradient_checkpointing: true
early_stopping_patience:
resume_from_checkpoint:
local_rank:
logging_steps: 1
xformers_attention:
flash_attention: true

warmup_ratio: 0.1
evals_per_epoch: 4
eval_table_size:
eval_max_new_tokens: 128
saves_per_epoch: 2

debug:
deepspeed: deepspeed_configs/zero3_bf16.json
fsdp:
fsdp_config:

special_tokens:
  pad_token: <pad>

outputs/out

This model is a fine-tuned version of IntervitensInc/gemma-2-9b-chatml on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7320

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 8e-06
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 32
  • total_train_batch_size: 128
  • total_eval_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 42
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
1.08410.004811.0069
0.78350.2518530.7502
0.75940.50361060.7305
0.73480.75551590.7231
0.63121.00552120.7228
0.60771.25742650.7362
0.6071.50923180.7328
0.57341.76113710.7320

Framework versions

  • Transformers 4.46.0.dev0
  • Pytorch 2.4.0+cu121
  • Datasets 2.21.0
  • Tokenizers 0.20.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForCausalLM
Ревизия весов
209d6f5

0 моделей