/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
5 мая 2024

mpt-7b-storywriter-imatrix-GGUF

Генерация текстаТекст → текст3 профессии

duyntnet/mpt-7b-storywriter-imatrix-GGUF — набор GGUF-квантизаций модели MPT-7B-StoryWriter, разработанной MosaicML и опубликованной пользователем duyntnet.

648скачиваний за 30 дней0лайковвеса обновлены5 мая 2024

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 текста на английском языке, включая написание продолжительных историй и другие сценарии text generation. Она использует архитектуру MPT с примерно 7 млрд параметров, кастомную реализацию, не входящую в стандартный пакет Transformers, и токенизатор EleutherAI/gpt-neox-20b.

В архитектуре предусмотрены FlashAttention, ALiBi и QK LayerNorm. Исходная модель обучалась с длиной последовательности 2048 токенов и дообучалась с длиной 65536 токенов; благодаря ALiBi максимальную длину можно увеличивать при дообучении или инференсе, однако фактическая стабильность и качество на экстремально длинном контексте могут зависеть от конфигурации. Репозиторий содержит несколько вариантов GGUF-квантизации с использованием imatrix. Варианты Q2_K, Q3_K_S, Q4_0 и Q5_0 исключены из-за ошибок, связанных с обнаружением NaN при квантизации.

Сильными сторонами модели являются специализация на связной генерации историй, поддержка длинного контекста и наличие оптимизаций для эффективного выполнения. Ограничения включают поддержку только английского языка по заявленным данным, необходимость совместимой GGUF-инфраструктуры для запуска и возможные различия в качестве и требованиях к ресурсам между вариантами квантизации. Указана лицензия other; точные условия использования в README не раскрыты.

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

Quantizations of https://huggingface.co/mosaicml/mpt-7b-storywriter

Note: not sure why but Q2_K, Q3_K_S, Q4_0 and Q5_0 gave error during quantizations: "ggml_validate_row_data: found nan value at block xxx", so I skipped those quants.

From original readme

How to Use

Note: This model requires that trust_remote_code=True be passed to the from_pretrained method. This is because we use a custom model architecture that is not yet part of the transformers package.

It includes options for many training efficiency features such as FlashAttention (Dao et al. 2022), ALiBi, QK LayerNorm, and more.

import transformers
model = transformers.AutoModelForCausalLM.from_pretrained(
  'mosaicml/mpt-7b-storywriter',
  trust_remote_code=True
)

To use the optimized triton implementation of FlashAttention, you can load the model on GPU (cuda:0) with attn_impl='triton' and with bfloat16 precision:

import torch
import transformers

name = 'mosaicml/mpt-7b-storywriter'

config = transformers.AutoConfig.from_pretrained(name, trust_remote_code=True)
config.attn_config['attn_impl'] = 'triton'
config.init_device = 'cuda:0' # For fast initialization directly on GPU!

model = transformers.AutoModelForCausalLM.from_pretrained(
  name,
  config=config,
  torch_dtype=torch.bfloat16, # Load model weights in bfloat16
  trust_remote_code=True
)

Although the model was trained with a sequence length of 2048 and finetuned with a sequence length of 65536, ALiBi enables users to increase the maximum sequence length during finetuning and/or inference. For example:

import transformers

name = 'mosaicml/mpt-7b'

config = transformers.AutoConfig.from_pretrained(name, trust_remote_code=True)
config.max_seq_len = 83968 # (input + output) tokens can now be up to 83968

model = transformers.AutoModelForCausalLM.from_pretrained(
  name,
  config=config,
  trust_remote_code=True
)

This model was trained with the EleutherAI/gpt-neox-20b tokenizer.

from transformers import AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("EleutherAI/gpt-neox-20b")

The model can then be used, for example, within a text-generation pipeline.
Note: when running Torch modules in lower precision, it is best practice to use the torch.autocast context manager.

from transformers import pipeline

pipe = pipeline('text-generation', model=model, tokenizer=tokenizer, device='cuda:0')

with torch.autocast('cuda', dtype=torch.bfloat16):
    print(
        pipe('Here is a recipe for vegan banana bread:\n',
            max_new_tokens=100,
            do_sample=True,
            use_cache=True))

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
ff7f088

0 моделей