模型:
TheBloke/Vicuna-33B-1-3-SuperHOT-8K-GPTQ
Chat & support: my new Discord server
Want to contribute? TheBloke's Patreon page
这些文件是合并了 LmSys' Vicuna 33B 1.3 (final) 和 Kaio Ken's SuperHOT 8K 的GPTQ 4bit模型文件。
使用 GPTQ-for-LLaMa 进行4bit量化后得到的结果。
这是一个实验性的新GPTQ模型,提供了高达8K的上下文长度
已通过最新版本的 text-generation-webui 中的 ExLlama 进行测试。
还通过使用AutoGPTQ的Python代码进行了测试,并且 trust_remote_code=True。
代码来源:
请仔细阅读以下内容以了解如何使用它。
注意:使用30B模型的完整8K上下文将超过24GB的显存。
请确保使用的是text-generation-webui的最新版本
首先确保已安装AutoGPTQ和Einops:
pip3 install einops auto-gptq
然后运行以下代码。请注意,为了使其正常工作,config.json已经硬编码为一个序列长度为8192。
如果要尝试4096以减少显存使用,请手动编辑config.json将max_position_embeddings设置为所需值。
from transformers import AutoTokenizer, pipeline, logging from auto_gptq import AutoGPTQForCausalLM, BaseQuantizeConfig import argparse model_name_or_path = "TheBloke/Vicuna-33B-1-3-SuperHOT-8K-GPTQ" model_basename = "vicuna-33b-1.3-superhot-8k-GPTQ-4bit--1g.act.order" use_triton = False tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, use_fast=True) model = AutoGPTQForCausalLM.from_quantized(model_name_or_path, model_basename=model_basename, use_safetensors=True, trust_remote_code=True, device_map='auto', use_triton=use_triton, quantize_config=None) model.seqlen = 8192 # Note: check the prompt template is correct for this model. prompt = "Tell me about AI" prompt_template=f'''USER: {prompt} ASSISTANT:''' print("\n\n*** Generate:") input_ids = tokenizer(prompt_template, return_tensors='pt').input_ids.cuda() output = model.generate(inputs=input_ids, temperature=0.7, max_new_tokens=512) print(tokenizer.decode(output[0])) # Inference can also be done using transformers' pipeline # Prevent printing spurious transformers error when using pipeline with AutoGPTQ logging.set_verbosity(logging.CRITICAL) print("*** Pipeline:") pipe = pipeline( "text-generation", model=model, tokenizer=tokenizer, max_new_tokens=512, temperature=0.7, top_p=0.95, repetition_penalty=1.15 ) print(pipe(prompt_template)[0]['generated_text'])
该仓库提供了llama_rope_scaled_monkey_patch.py,由@kaiokendev编写。
理论上可以将其添加到任何Python用户界面或自定义代码中,以实现与trust_remote_code=True相同的结果。我没有测试过这一点,而且应该被使用trust_remote_code=True取代,但为了完整性和出于兴趣,我还包括在内。
vicuna-33b-1.3-superhot-8k-GPTQ-4bit--1g.act.order.safetensors
这将适用于AutoGPTQ、ExLlama和GPTQ-for-LLaMa的CUDA版本。有报道称在最近的GPTQ-for-LLaMa的Triton模式中存在问题。如果有问题,请改用AutoGPTQ。
创建它时没有使用group_size以降低显存需求,并且使用--act-order(desc_act)尽可能提高推理准确性。
如需进一步支持和讨论这些模型和AI,请加入我们:
感谢 chirper.ai 团队!
我收到很多人的询问是否可以做出贡献。我喜欢提供模型并帮助人们,非常感谢您的贡献,这将帮助我能够花更多的时间提供更多的模型,并开始新的项目,如微调/训练。
如果您能够并愿意做出贡献,我将非常感激,并将帮助我继续提供更多的模型,并开始新的AI项目。
捐赠者将优先获得有关所有AI/LLM/模型方面的支持、问题和请求的支持,可以进入私人Discord聊天室,以及其他福利。
特别感谢:CarbonQuill的Luke、Aemon Algiz、Dmitriy Samsonov。
Patreon特别提到的人:zynix,ya boyyy,Trenton Dambrowitz,Imad Khwaja,Alps Aficionado,chris gileta,John Detwiler,Willem Michiel,RoA,Mano Prime,Rainer Wilmers,Fred von Graf,Matthew Berman,Ghost,Nathan LeClaire,Iucharbius,Ai Maven,Illia Dulskyi,Joseph William Delisle,Space Cruiser,Lone Striker,Karl Bernard,Eugene Pentland,Greatston Gnanesh,Jonathan Leane,Randy H,Pierre Kircher,Willian Hasse,Stephen Murray,Alex,terasurfer,Edmond Seymore,Oscar Rangel,Luke Pendergrass,Asp the Wyvern,Junyu Yang,David Flickinger,Luke,Spiking Neurons AB,subjectnull,Pyrater,Nikolai Manek,senxiiz,Ajan Kanaga,Johann-Peter Hartmann,Artur Olbinski,Kevin Schuppel,Derek Yates,Kalila,K,Talal Aujan,Khalefa Al-Ahmad,Gabriel Puliatti,John Villwock,WelcomeToTheClub,Daniel P. Andersen,Preetika Verma,Deep Realms,Fen Risland,trip7s trip,webtim,Sean Connelly,Michael Levine,Chris McCloskey,biorpg,vamX,Viktor Bowallius,Cory Kujawski。
感谢所有慷慨的赞助者和捐赠者!
这是第二个SuperHOT的原型,这次是30B的8K上下文,没有RLHF,使用了在 the github blog 中描述的相同技术。测试结果表明,模型确实利用了8K的扩展上下文。
您需要使用猴子补丁,或者如果您已经使用猴子补丁,则将缩放因子更改为0.25,最大序列长度更改为8192
寻找合并和量化模型?我使用以下配置训练了LoRA:
Vicuna是根据从ShareGPT收集的用户共享对话进行LLaMA的有监督指导微调的聊天助手。
Vicuna的主要用途是大型语言模型和聊天机器人的研究。该模型的主要使用者是自然语言处理、机器学习和人工智能领域的研究人员和爱好者。
命令行界面: https://github.com/lm-sys/FastChat#vicuna-weights 。API(OpenAI API,Huggingface API): https://github.com/lm-sys/FastChat/tree/main#api 。
Vicuna v1.3是通过从ShareGPT.com收集的约14万个对话进行监督指导微调的LLaMA模型。有关详细信息,请参阅此 paper 中附录中的“Vicuna模型的培训详细信息”部分。
Vicuna使用标准基准、人类偏好和LLM作为评判进行评估。有关详细信息,请参阅此 paper 。