/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
12,9 млрд
Размер весов
26 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
5 дек 2023

llama-2-13b-chat-nf4-fp16-upscaled

Генерация текстаТекст → текст8 профессий

Диалоговая модель Llama 2 Chat на 13 млрд параметров в формате fp16 для генерации текста.

23скачиваний за 30 дней0лайковвеса обновлены12 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 arnavgrg/llama-2-13b-chat-nf4-fp16-upscaled — вариант Llama 2 13B Chat, подготовленный автором как upscaled fp16 после загрузки исходной модели с 4-битной NF4-квантизацией через bitsandbytes. Линейные слои Linear4bit преобразованы в fp16, чтобы не выполнять повторную квантизацию и деквантизацию при каждом проходе во время инференса. Модель имеет плотную архитектуру LlamaForCausalLM, около 12,9 млрд параметров и контекст 4096 токенов.

Предназначена для генерации текста в диалоговом формате и может загружаться через Transformers с точностью fp16. README указывает, что веса линейных слоёв после квантизации NF4 являются lossy, поэтому качество может быть ниже официальной базовой модели. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы в диалоговом интерфейсе
  • генерация продолжений текста
  • создание разговорного помощника на базе Transformers

Ограничения

Преобразование через NF4 было lossy, поэтому качество линейных слоёв и модели в целом может быть ниже, чем у официальной базовой модели. Для инференса в fp16 требуется соответствующая вычислительная память.

Для каких профессий подходит8

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 an upscaled fp16 variant of the original Llama-2-13b-chat base model by Meta after it has been loaded with nf4 4-bit quantization via bitsandbytes. The main idea here is to upscale the linear4bit layers to fp16 so that the quantization/dequantization cost doesn't have to paid for each forward pass at inference time.

Note: The quantization operation to nf4 is not lossless, so the model weights for the linear layers are lossy, which means that this model will not work as well as the official base model.

To use this model, you can just load it via transformers in fp16:

import torch
from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
  "arnavgrg/llama-2-13b-chat-nf4-fp16-upscaled",
  device_map="auto",
  torch_dtype=torch.float16
)

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
83ff078

0 моделей