模型:
TheBloke/WizardLM-33B-V1-0-Uncensored-SuperHOT-8K-GPTQ
Chat & support: my new Discord server
Want to contribute? TheBloke's Patreon page
这些文件是用于 Panchovix's merge of WizardLM 33B V1.0 Uncensored and SuperHOT 8K 的GPTQ 4位模型文件。
这是一个实验性的新GPTQ,提供了最多8K的上下文大小。
经过最新版本的 text-generation-webui 测试,增加的上下文已经可以使用 ExLlama 。
通过使用AutoGPTQ和trust_remote_code=True的Python代码进行了测试。
代码来源:
请仔细阅读以下内容以了解如何使用。
注意:在30B模型上使用完整的8K上下文将超过24GB VRAM。
目前尚未提供GGML版本,因为llama.cpp尚不支持SuperHOT。正在进行调查,希望很快会有。
目前尚未提供GGML quants,因为llama.cpp尚不支持SuperHOT。正在进行调查,希望很快会有。
请确保您使用的是text-generation-webui的最新版本
首先确保您已安装了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的序列长度已硬编码为8192。
如果您想尝试4096以减少VRAM使用,请手动编辑config.json以将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/WizardLM-33B-V1-0-Uncensored-SuperHOT-8K-GPTQ" model_basename = "wizardlm-33b-v1.0-uncensored-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'])
在存储库中提供了llama_rope_scaled_monkey_patch.py,由@kaiokendev编写。
理论上,它可以添加到任何Python UI界面或自定义代码中,以实现与trust_remote_code=True相同的结果。我尚未测试过这一点,而且它应该被使用trust_remote_code=True取代,但我包含在内是为了完整性和利益。
wizardlm-33b-v1.0-uncensored-superhot-8k-GPTQ-4bit--1g.act.order.safetensors
这将与AutoGPTQ,ExLlama和CUDA版本的GPTQ-for-LLaMa一起工作。有报道称最新版本的GPTQ-for-LLaMa的Triton模式存在问题。如果有问题,请使用AutoGPTQ代替。
创建此文件时,没有使用group_size以降低VRAM要求,并使用--act-order(desc_act)尽可能增加推理准确性。
如需进一步支持和讨论这些模型和AI,请加入我们: TheBloke AI's Discord server
感谢 chirper.ai 团队!
很多人都问我是否可以一起贡献。我喜欢提供模型并帮助人们,并且希望能够有更多的时间来做这件事,以及扩展到新的项目,如微调/训练。
如果您有能力和愿意贡献,我将非常感激,并将帮助我继续提供更多模型,并开始进行新的AI项目。
赞助者将优先获得有关所有AI/LLM/模型问题和请求的支持,以及访问私人Discord房间和其他福利。
特别感谢:CarbonQuill的Luke,Aemon Algiz,Dmitriy Samsonov。
Patreon特别提到:Pyrater,WelcomeToTheClub,Kalila,Mano Prime,Trenton Dambrowitz,Spiking Neurons AB,Pierre Kircher,Fen Risland,Kevin Schuppel,Luke,Rainer Wilmers,vamX,Gabriel Puliatti,Alex,Karl Bernard,Ajan Kanaga,Talal Aujan,Space Cruiser,ya boyyy,biorpg,Johann-Peter Hartmann,Asp the Wyvern,Ai Maven,Ghost,Preetika Verma,Nikolai Manek,trip7s trip,John Detwiler,Fred von Graf,Artur Olbinski,subjectnull,John Villwock,Junyu Yang,Rod A,Lone Striker,Chris McCloskey,Iucharbius,Matthew Berman,Illia Dulskyi,Khalefa Al-Ahmad,Imad Khwaja,chris gileta,Willem Michiel,Greatston Gnanesh,Derek Yates,K,Alps Aficionado,Oscar Rangel,David Flickinger,Luke Pendergrass,Deep Realms,Eugene Pentland,Cory Kujawski,terasurfer,Jonathan Leane,senxiiz,Joseph William Delisle,Sean Connelly,webtim,zynix,Nathan LeClaire。
感谢所有慷慨的赞助者和捐助者!
与kaiokendev的 33b SuperHOT 8k LoRA 合并,无需量化。 (完整FP16模型)