/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
204 872
Размер весов
1 МБ
Архитектура
llama · dense
Библиотека
transformers
Опубликована
1 апр 2024

deepseek-llm-tiny-random

Генерация текстаТекст → текст3 профессии

Миниатюрная случайно инициализированная модель на конфигурации DeepSeek для тестирования генерации текста и компонентов Transformers.

1 100скачиваний за 30 дней1лайквеса обновлены1 апр 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

deepseek-llm-tiny-random — небольшая модель генерации текста, опубликованная пользователем yujiepan. Она создана с использованием конфигурации deepseek-ai/deepseek-llm-67b-chat, но существенно уменьшена и имеет случайно инициализированные веса, поэтому не является обученной чат-моделью и не предназначена для получения качественных содержательных ответов.

Модель реализует авторегрессионную архитектуру причинного языкового моделирования с 2 слоями, скрытым размером 2, промежуточным размером 4, 2 головами внимания и 1 key-value head. Объём модели составляет около 204,9 тыс. параметров, формат весов — float16, максимальная длина контекста — 4096 токенов. Для работы используется библиотека Transformers; основная задача — text-generation.

Модель может применяться для тестирования загрузки и конфигурации моделей Transformers, проверки совместимости токенизатора и конвейера генерации, а также для минимальных экспериментов с архитектурой DeepSeek-подобных языковых моделей. Из-за случайной инициализации весов её генерация не обладает практической языковой компетентностью. Лицензия в предоставленных данных не указана.

Сценарии применения

  • тестирование пайплайна text-generation
  • проверка загрузки моделей Transformers
  • эксперименты с конфигурацией DeepSeek-подобной архитектуры
  • проверка совместимости токенизатора и генератора
  • учебные эксперименты с языковыми моделями

Ограничения

Модель имеет случайно инициализированные веса и не обучена на языковых данных, поэтому не обеспечивает осмысленную или стабильную генерацию текста. Лицензия в предоставленных данных 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

This model is randomly initialized, using the config from deepseek-ai/deepseek-llm-67b-chat but with smaller size. Note the model is in float16.

Codes:

import transformers
import torch
import os
from huggingface_hub import create_repo, upload_folder

source_model_id = 'deepseek-ai/deepseek-llm-67b-chat'
save_path = '/tmp/yujiepan/deepseek-llm-tiny-random'
repo_id = 'yujiepan/deepseek-llm-tiny-random'

config = transformers.AutoConfig.from_pretrained(
    source_model_id, trust_remote_code=True)
config.hidden_size = 2
config.intermediate_size = 4
config.num_attention_heads = 2
config.num_hidden_layers = 2
config.num_key_value_heads = 1

model = transformers.AutoModelForCausalLM.from_config(
    config, trust_remote_code=True)
model = model.half()
model.save_pretrained(save_path)

tokenizer = transformers.AutoTokenizer.from_pretrained(
    source_model_id, trust_remote_code=True)
tokenizer.save_pretrained(save_path)

result = transformers.pipelines.pipeline(
    'text-generation',
    model=model.float(), tokenizer=tokenizer)('Hello')
print(result)

os.system(f'ls -alh {save_path}')
create_repo(repo_id, exist_ok=True)
upload_folder(repo_id=repo_id, folder_path=save_path)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
e7d50e2

0 моделей