/ Модель

Характеристики

Базовая модель
japanese-mistral-300m-base
Опубликована
29 дек 2023

japanese-mistral-300m-base-GGUF

Генерация текстаТекст → текст3 профессии

japanese-mistral-300m-base-GGUF — набор квантованных GGUF-файлов базовой языковой модели japanese-mistral-300m-base, разработанной ce-lery и квантованной afrideva.

889скачиваний за 30 дней2лайкавеса обновлены29 дек 2023

Бенчмарки

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

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 генерации и продолжения текста, прежде всего на японском языке; базовая версия предварительно обучалась на данных Wikipedia и CC100. Это не инструкцияно настроенная модель, поэтому её ответы могут требовать дополнительной адаптации под прикладные задачи.

Модель основана на архитектуре Mistral 300M и содержит около 300 миллионов параметров. Для токенизации используется SentencePiece с byte fallback, что призвано снизить генерацию неизвестных слов. Доступны варианты в формате GGUF с точностью fp16, а также квантованиями q2_k, q3_k_m, q4_k_m, q5_k_m, q6_k и q8_0; размеры файлов составляют примерно от 177 до 712 МБ. Это текстовая одномодальная модель, однако сведения о размере контекстного окна и поддерживаемых языках, кроме ориентации на японский, в карточке не указаны.

Основные преимущества — небольшой размер, наличие нескольких уровней квантования для выбора компромисса между качеством и потреблением памяти, а также возможность локального запуска в совместимых инструментах GGUF. Ограничения включают отсутствие подробных оценок качества, неполную документацию по архитектуре и контексту, а также отсутствие подтверждённой инструкции по использованию или специализированного дообучения для конкретных задач. Лицензия в предоставленной карточке не указана.

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

ce-lery/japanese-mistral-300m-base-GGUF

Quantized GGUF model files for japanese-mistral-300m-base from ce-lery

NameQuant methodSize
japanese-mistral-300m-base.fp16.gguffp16712.33 MB
japanese-mistral-300m-base.q2_k.ggufq2_k176.84 MB
japanese-mistral-300m-base.q3_k_m.ggufq3_k_m195.04 MB
japanese-mistral-300m-base.q4_k_m.ggufq4_k_m234.80 MB
japanese-mistral-300m-base.q5_k_m.ggufq5_k_m266.47 MB
japanese-mistral-300m-base.q6_k.ggufq6_k307.38 MB
japanese-mistral-300m-base.q8_0.ggufq8_0379.17 MB

Original Model Card:

japanese-mistral-300m-base

Overview

Welcome to my model card!

This Model feature is ...

  • Suppression of unknown word generation by using byte fallback in SentencePiece tokenizer and conversion to huggingface Tokenizers format
  • Pretrained by wikipedia dataset and cc100 dataset
  • Use of Mistral 300M

Yukkuri shite ittene!

How to use the model

from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer
import torch

MODEL_NAME = "ce-lery/japanese-mistral-300m-base"
torch.set_float32_matmul_precision('high')

DEVICE = "cuda"
if torch.cuda.is_available():
    print("cuda")
    DEVICE = "cuda"
else:
    print("cpu")
    DEVICE = "cpu"

tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME,use_fast=False)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    trust_remote_code=True,
).to(DEVICE)

# streamer = TextStreamer(tokenizer)

prompt = "大規模言語モデルとは、"

inputs = tokenizer(prompt, add_special_tokens=False,return_tensors="pt").to(model.device)
with torch.no_grad():

    outputs = model.generate(
        inputs["input_ids"],
        max_new_tokens=256,
        do_sample=True,
        early_stopping=False,
        top_p=0.95,
        top_k=50,
        temperature=0.9,
        # streamer=streamer,
        no_repeat_ngram_size=2,
        num_beams=3
    )

print(outputs.tolist()[0])
outputs_txt = tokenizer.decode(outputs[0])
print(outputs_txt)

Receipe

If you want to restruct this model, you can refer this Github repository.

I wrote the receipe for struction this model. For example,

  • Preprocess with sentencepiece
  • Pretraining with flash attention2 and torch.compile and DeepSpeed
  • Fine-tuning with databricks-dolly-15k-ja

If you find my mistake,error,...etc, please create issue. If you create pulreqest, I'm very happy!

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0006
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 64
  • total_train_batch_size: 256
  • optimizer: Adam with betas=(0.9,0.95) and epsilon=0.0001
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
4.29110.1250004.2914
3.97090.24100003.9900
3.82290.36150003.8388
3.71970.47200003.7454
3.6520.59250003.6739
3.5970.71300003.6177
3.55540.83350003.5770
3.5360.95400003.5582

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.1+cu121
  • Datasets 2.14.5
  • Tokenizers 0.14.1

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
79cc64b

0 моделей