/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
128 288
Размер весов
1 МБ
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
2 апр 2024

mixtral-tiny-random

Генерация текстаТекст → текст3 профессии

Компактная случайно инициализированная модель Mixtral для тестирования архитектуры, конфигураций и интеграции с Transformers.

2 217скачиваний за 30 дней0лайковвеса обновлены2 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

yujiepan/mixtral-tiny-random — экспериментальная компактная модель, разработанная пользователем yujiepan на базе конфигурации mistralai/Mixtral-8x7B-Instruct-v0.1. Модель предназначена прежде всего для тестирования архитектуры Mixtral и совместимости с библиотекой Transformers, а не для прикладной генерации текста.

Это авторегрессионная языковая модель для задачи text-generation с архитектурой смеси экспертов Mixtral: 8 локальных экспертов, 2 активных эксперта на токен, 2 скрытых слоя, 4-мерное скрытое представление и 128,3 тыс. параметров. Модель работает в формате float16, поддерживает контекст длиной до 32 768 токенов и подключается через Transformers.

Веса модели инициализированы случайно, поэтому она не обладает предварительно обученными знаниями и, вероятно, будет генерировать бессмысленный или нестабильный текст. Модель подходит для разработки и отладки прототипов, проверки загрузки конфигураций и экспериментов с маршрутизацией экспертов, но не для диалоговых систем, содержательной генерации или использования в продакшене. Лицензия в предоставленных данных не указана.

Сценарии применения

  • тестирование загрузки моделей Mixtral
  • отладка пайплайна text-generation
  • эксперименты с архитектурой смеси экспертов
  • проверка работы Transformers с float16
  • разработка учебных прототипов языковых моделей

Ограничения

Модель случайно инициализирована и не обучена на корпусе, поэтому её генерации не следует считать осмысленными или надежными. Лицензия и поддерживаемые естественные языки в предоставленных данных не определены.

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 mistralai/Mixtral-8x7B-Instruct-v0.1 but with smaller size. Note the model is in float16.

Codes:

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

model_id = 'mistralai/Mixtral-8x7B-Instruct-v0.1'
save_path = '/tmp/yujiepan/mixtral-tiny-random'
repo_id = 'yujiepan/mixtral-tiny-random'

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

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

model = transformers.AutoModelForCausalLM.from_config(config, torch_dtype=torch.float16)
model = model.half()

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

model.save_pretrained(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
MixtralForCausalLM
Ревизия весов
c2faa23

0 моделей