/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
27 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
9 янв 2024

llama-2-7b-miniguanaco

Генерация текстаТекст → текст3 профессии

Экспериментальное дообучение Llama 2 для генерации текста по запросу.

72скачиваний за 30 дней0лайковвеса обновлены9 янв 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

decruz07/llama-2-7b-miniguanaco — модель генерации текста на архитектуре Llama 2, созданная автором карточки как дообучение Llama-2-7b на датасетах MiniGuano. Автор описывает её как свой первый эксперимент, выполненный по учебному ноутбуку Google Colab с инструкциями из руководства Labonne. Модель содержит 6,6 млрд параметров, принимает текст и рассчитана на контекст до 4096 токенов.

Модель предназначена для генерации ответов и продолжения текста по пользовательскому запросу; README показывает запуск через Transformers и генерацию до 500 новых токенов. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. README не приводит результатов оценки качества или подробностей о составе и охвате данных обучения, поэтому пригодность ответов для конкретных задач не подтверждена.

Сценарии применения

  • генерация ответов на текстовые запросы
  • продолжение текста по заданному началу
  • эксперименты с дообучением Llama 2 на MiniGuano

Ограничения

README не содержит оценок качества и описания языкового охвата; модель представлена как первый эксперимент автора, поэтому её ответы следует проверять.

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

llama-2-7b-miniguanaco

This is my first model, with LLama-2-7b model finetuned with miniguanaco datasets.

This is a simple finetune based off a Google Colab notebook. Finetune instructions were from Labonne's first tutorial.

To run it: import torch from transformers import AutoTokenizer, AutoModelForCausalLM import math

model_path = "decruz07/llama-2-7b-miniguanaco"

tokenizer = AutoTokenizer.from_pretrained(model_path, use_default_system_prompt=False) model = AutoModelForCausalLM.from_pretrained( model_path, torch_dtype=torch.float32, device_map='auto',local_files_only=False, load_in_4bit=True ) print(model) prompt = input("please input prompt:") while len(prompt) > 0: input_ids = tokenizer(prompt, return_tensors="pt").input_ids.to("cuda")

generation_output = model.generate( input_ids=input_ids, max_new_tokens=500,repetition_penalty=1.2 ) print(tokenizer.decode(generation_output[0])) prompt = input("please input prompt:")

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
ef3fa61

0 моделей