/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1 млрд
Архитектура
llama · dense
Опубликована
29 дек 2023

TinyLlama-1.1B-3T-openhermes

Генерация текстаТекст → текст6 профессий

Инструкционная модель TinyLlama семейства Llama для генерации текста и выполнения запросов на основе датасета OpenHermes.

30скачиваний за 30 дней8лайковвеса обновлены31 дек 2023

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

Tensoic/TinyLlama-1.1B-3T-openhermes — инструкционно дообученная версия TinyLlama, созданная на датасете teknium/openhermes. Это плотная авторегрессионная языковая модель семейства Llama с примерно 1,1 млрд параметров, предназначенная для генерации текста по запросу и выполнения инструкций. В метаданных указан контекст до 4096 токенов и формат PyTorch.

Карточка сообщает о значении loss 1,3647 и о настройке параметров оптимизации после резкого роста loss во время обучения. Модель опубликована по лицензии, указанной в метаданных Hugging Face.

Сценарии применения

  • генерация текста по запросу
  • ответы на инструкции и вопросы
  • черновики текстов и диалоговые ответы

Ограничения

В карточке отмечен резкий рост loss через несколько сотен шагов обучения; это может влиять на качество модели. Языки и лицензия не подтверждены предоставленными метаданными.

Для каких профессий подходит6

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

This is the Instruction Fine Tuned version of Tiny Llama on @Teknium1's openhermes dataset.

"The TinyLlama project aims to pretrain a 1.1B Llama model on 3 trillion tokens. With some proper optimization, we can achieve this within a span of "just" 90 days using 16 A100-40G GPUs 🚀🚀. The training has started on 2023-09-01."

axolotl version: 0.3.0

base_model: ./TinyLlama-1.1B-intermediate-step-1431k-3T

model_type: LlamaForCausalLM
tokenizer_type: LlamaTokenizer
is_llama_derived_model: true

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: ./openhermes
    type: alpaca
dataset_prepared_path:
val_set_size: 0.05
output_dir: ./out

sequence_len: 4096
sample_packing: false

adapter: 
lora_model_dir:
lora_r: 
lora_alpha: 
lora_dropout:
lora_target_linear:
lora_fan_in_fan_out:

wandb_project: tinyllama-openhermes
wandb_entity: tensoic
wandb_watch:
wandb_name: 
wandb_log_model:

gradient_accumulation_steps: 2
micro_batch_size: 8
num_epochs: 1
optimizer: adamw_bnb_8bit
adam_epsilon: 0.00001
max_grad_norm: 1.0
lr_scheduler: cosine
learning_rate: 0.0002

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

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

warmup_steps: 100
evals_per_epoch: 4
eval_table_size:
saves_per_epoch: 1
debug:
deepspeed: zero2.json
weight_decay: 0.0
fsdp:
fsdp_config:
special_tokens:
  bos_token: "<s>"
  eos_token: "</s>"
  unk_token: "<unk>"

image/png

The model achieves the following loss:

  • Loss: 1.3647

The loss exploded after a couple hundred steps. As suggested by winglian, we set the following values in the config file:

adam_epsilon: 0.00001
max_grad_norm: 1.0

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0002
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 128
  • total_eval_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-05
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
3.00060.011.6838
0.81950.254511.4620
0.68360.59021.4158
0.68110.7513531.3647

Framework versions

  • Transformers 4.36.2
  • Pytorch 2.0.1+cu117
  • Datasets 2.15.0
  • Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
61b8f7e

0 моделей