/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
264 064
Размер весов
1,1 МБ
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
20 июл 2024

mistral-v0.3-tiny-random

Генерация текстаТекст → текст3 профессии

Компактная случайно инициализированная модель на архитектуре Mistral для отладки генерации текста и интеграций с Transformers.

731скачиваний за 30 дней0лайковвеса обновлены20 июл 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

yujiepan/mistral-v0.3-tiny-random — компактная отладочная модель генерации текста, разработанная пользователем yujiepan на основе конфигурации Mistral-7B-Instruct-v0.3 от Mistral AI. Модель случайно инициализирована и предназначена прежде всего для проверки кода, конфигураций и интеграции с библиотекой Transformers, а не для практического использования в качестве обученной языковой модели.

Модель реализует авторегрессионную архитектуру Mistral с двумя скрытыми слоями, размером скрытого представления 8, промежуточным размером 32, четырьмя attention-heads и двумя key-value heads. Она содержит около 264,1 тыс. параметров, поддерживает контекст до 32 768 токенов и используется через библиотеку Transformers для задачи text-generation. README не описывает поддержку конкретных естественных языков.

Главное преимущество модели — очень малый размер, удобный для быстрых тестов и отладки без загрузки полноразмерной Mistral-модели. Из-за случайной инициализации веса не содержат выученных языковых знаний, поэтому модель не подходит для качественной генерации, диалогов, следования инструкциям, извлечения фактов или производственного применения. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • тестирование пайплайна text-generation
  • отладка конфигураций Mistral в Transformers
  • проверка загрузки и сохранения моделей
  • разработка минимальных примеров генерации текста

Ограничения

Модель случайно инициализирована и не обучена на языковых данных, поэтому не обеспечивает осмысленную генерацию и не подходит для прикладного или производственного использования. 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 for debugging. It is randomly initialized using the config from mistralai/Mistral-7B-Instruct-v0.3 but with smaller size.

Codes:

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

model_id = 'mistralai/Mistral-7B-Instruct-v0.3'
save_path = '/tmp/yujiepan/mistral-v0.3-tiny-random'
repo_id = 'yujiepan/mistral-v0.3-tiny-random'

config = transformers.AutoConfig.from_pretrained(model_id)
config.hidden_size = 8
config.intermediate_size = 32
config.num_attention_heads = 4
config.num_hidden_layers = 2
config.num_key_value_heads = 2
config.head_dim = 2
print(config)

tokenizer = transformers.AutoTokenizer.from_pretrained(model_id)
tokenizer.save_pretrained(save_path)

model = transformers.AutoModelForCausalLM.from_config(config, torch_dtype=torch.bfloat16)
model.generation_config = transformers.GenerationConfig.from_pretrained(model_id)

transformers.set_seed(42)
with torch.no_grad():
    for _, p in sorted(model.named_parameters()):
        torch.nn.init.uniform_(p, -0.1, 0.1)

pipe = pipeline('text-generation', model=model, tokenizer=tokenizer, do_sample=False, device='cuda')
print(pipe('Hello World!'))

model.save_pretrained(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
MistralForCausalLM
Ревизия весов
7d912a0

0 моделей