/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Архитектура
llama · dense
Опубликована
27 сен 2023

mistral-7B-v0.1-hf

Генерация текстаТекст → текст6 профессий

Совместимая с Hugging Face версия Mistral 7B v0.1 для генерации и продолжения текста по запросу.

83скачиваний за 30 дней16лайковвеса обновлены27 сен 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

Это совместимая с Hugging Face конверсия модели Mistral 7B v0.1, опубликованная пользователем kittn. Модель представляет собой плотную авторегрессионную языковую модель класса LlamaForCausalLM с 7,1 млрд параметров; веса сохранены в формате safetensors. В README описано использование через Transformers для генерации текста, включая загрузку в bfloat16 и варианты квантизации bitsandbytes для экономии видеопамяти.

Модель предназначена для продолжения текста и генерации ответов по текстовому запросу. Контекст составляет 2048 токенов. README отмечает, что архитектура использует GQA, а сохранённая версия не проходит дополнительное преобразование bf16 в fp16, применявшееся в другом скрипте конвертации. Для запуска нужны значительные ресурсы: README приводит ориентир от 16 ГБ видеопамяти для bfloat16, от 6 ГБ для bitsandbytes nf4 и от 8 ГБ для int8, причём int8 назван медленным вариантом. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения текста по началу фразы
  • создание ответов на текстовые запросы
  • локальные эксперименты с языковой моделью через Transformers

Ограничения

Контекст ограничен 2048 токенами; запуск в bfloat16 требует примерно 16 ГБ видеопамяти, а int8-вариант медленный. Лицензия не приведена в предоставленных источниках.

Для каких профессий подходит6

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

UPDATE: Official version is out, use it instead: https://huggingface.co/mistralai/Mistral-7B-v0.1





mistral-7B-v0.1-hf

Huggingface compatible version of Mistral's 7B model: https://twitter.com/MistralAI/status/1706877320844509405

Usage

Load in bfloat16 (16GB VRAM or higher)

import torch
from transformers import LlamaForCausalLM, LlamaTokenizer, pipeline, TextStreamer

tokenizer = LlamaTokenizer.from_pretrained("kittn/mistral-7B-v0.1-hf")
model = LlamaForCausalLM.from_pretrained(
    "kittn/mistral-7B-v0.1-hf",
    torch_dtype=torch.bfloat16,
    device_map={"": 0}
)

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

pipe("Hi, my name", streamer=TextStreamer(tokenizer), max_new_tokens=128)

Load in bitsandbytes nf4 (6GB VRAM or higher, maybe less with double_quant)

import torch
from transformers import LlamaForCausalLM, LlamaTokenizer, pipeline, TextStreamer, BitsAndBytesConfig

tokenizer = LlamaTokenizer.from_pretrained("kittn/mistral-7B-v0.1-hf")
model = LlamaForCausalLM.from_pretrained(
    "kittn/mistral-7B-v0.1-hf",
    device_map={"": 0},
    quantization_config=BitsAndBytesConfig(
        load_in_4bit=True,
        bnb_4bit_compute_dtype=torch.float16,
        bnb_4bit_quant_type="nf4",
        bnb_4bit_use_double_quant=False, # set to True to save more VRAM at the cost of some speed/accuracy
    ),
)

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

pipe("Hi, my name", streamer=TextStreamer(tokenizer), max_new_tokens=128)

Load in bitsandbytes int8 (8GB VRAM or higher). Quite slow; not recommended.

import torch
from transformers import LlamaForCausalLM, LlamaTokenizer, pipeline, TextStreamer, BitsAndBytesConfig

tokenizer = LlamaTokenizer.from_pretrained("kittn/mistral-7B-v0.1-hf")
model = LlamaForCausalLM.from_pretrained(
    "kittn/mistral-7B-v0.1-hf",
    device_map={"": 0},
    quantization_config=BitsAndBytesConfig(
        load_in_8bit=True,
    ),
)

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

pipe("Hi, my name", streamer=TextStreamer(tokenizer), max_new_tokens=128)

Notes

  • The original huggingface conversion script converts the model from bf16 to fp16 before saving it. This script doesn't
  • The tokenizer is created with legacy=False, more about this here
  • Saved in safetensors format

Conversion script [link]

Unlike meta-llama/Llama-2-7b, this model uses GQA. This breaks some assumptions in the original conversion script, requiring a few changes.

Conversion script: link

Original conversion script: link

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
3617969

0 моделей