/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Архитектура
llama · dense
Опубликована
20 дек 2023

cookgptlama

Генерация текстаТекст → текст3 профессии

CookGPT — специализированная языковая модель для генерации индийских кулинарных рецептов. Модель разработал Vishal Mysore; она создана на основе TinyLlama/TinyLlama-1.1B-Chat-v0.6 и дообучена с помощью AutoTrain на более чем 10 000 рецептов индийской кухни из набора данных VishalMysore/cookGPT.

6 463скачиваний за 30 дней3лайкавеса обновлены23 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

Модель предназначена для создания и уточнения рецептов, предоставления инструкций по приготовлению, а также выдачи сопутствующей информации, например времени приготовления, диетических характеристик и типа кухни. Это текстовая causal language model без заявленной поддержки дополнительных модальностей; в README языки явно не указаны. Размер базовой модели составляет 1,1 млрд параметров. Предусмотрена загрузка в обычной или 8-битной точности, что может снизить требования к памяти.

Сильная сторона модели — специализация на индийских рецептах и возможность диалогового взаимодействия через chat template. Ограничения включают узкую предметную область, зависимость качества от данных дообучения и отсутствие в README сведений о контекстном окне, поддерживаемых языках, точности ответов, безопасности рекомендаций и лицензии. Условия лицензирования для этой модели отдельно не указаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Trained Using AutoTrain

This model was fined tuned on 10K + Indian food recipes , the base model is TinyLlama/TinyLlama-1.1B-Chat-v0.6 (https://huggingface.co/TinyLlama/TinyLlama-1.1B-Chat-v0.6 )

Dataset used for this Model is here https://huggingface.co/datasets/VishalMysore/cookGPT

CookGPT: Your AI-Based Chef

CookGPT is an innovative AI-based chef that combines the charm of traditional cooking with the efficiency of modern technology. Whether you're a culinary enthusiast, a busy professional, or someone looking for culinary inspiration, CookGPT is designed to make your cooking experience delightful, personalized, and effortless.

Original Source code and all the related information is here

https://github.com/vishalmysore/cookGPT

How to use

from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline

model = AutoModelForCausalLM.from_pretrained("VishalMysore/cookgptlama")
tokenizer = AutoTokenizer.from_pretrained("VishalMysore/cookgptlama")

or you can load it in 8bit precision

from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline

model_id = "VishalMysore/cookgptlama"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model_8bit = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto",load_in_8bit=True)
print(model_8bit.get_memory_footprint())

Then use pipeline to query and interact


pipe = pipeline("text-generation", model=model, tokenizer=tokenizer)

# We use the tokenizer's chat template to format each message - see https://huggingface.co/docs/transformers/main/en/chat_templating
messages = [
    {
        "role": "system",
        "content": "you are an expert chef in Indian recipe",
    },
    {"role": "user", "content": "give me receipe for paneer butter masala with cook time diet and cusine and instructions"},
]
prompt = pipe.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
outputs = pipe(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Complete notebook for training and querying is here https://github.com/vishalmysore/AI/blob/main/Llama_CookGPT_AutoTrain_LLM.ipynb

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
05364df

0 моделей