Chat & support: my new Discord server

Want to contribute? TheBloke's Patreon page

Eric Hartford的WizardLM-7B-V1.0未审查的GPTQ

这些文件是 Eric Hartford's WizardLM-7B-V1.0-Uncensored 的GPTQ模型文件。

提供了多个GPTQ参数组合；有关提供的选项、它们的参数和用于创建它们的软件的详细信息，请参见下面的提供的文件。

这些模型是使用由 Latitude.sh 慷慨提供的硬件进行量化的。

可用的存储库

• GPTQ models for GPU inference, with multiple quantisation parameter options.
• 2, 3, 4, 5, 6 and 8-bit GGML models for CPU+GPU inference
• Unquantised fp16 model in pytorch format, for GPU inference and for further conversions

提示模板：Vicuna

A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions.

USER: {prompt}
ASSISTANT:

提供的文件

提供了多个量化参数，以便您选择适合您的硬件和需求的最佳参数。

每个不同的量化在不同的分支中。有关从不同分支获取的说明，请参见下面的内容。

如何从分支下载

• 在文本-generation-webui中，您可以在下载名称后面添加:branch，例如TheBloke/WizardLM-7B-V1.0-Uncensored-GPTQ:gptq-4bit-32g-actorder_True
• 使用Git，您可以使用以下命令克隆分支：

git clone --branch gptq-4bit-32g-actorder_True https://huggingface.co/TheBloke/WizardLM-7B-V1.0-Uncensored-GPTQ`

• 在Python转换器代码中，分支是revision参数；请参见下面的内容。

如何轻松下载并在 text-generation-webui 中使用这个模型。

请确保您使用的是 text-generation-webui 的最新版本。

强烈建议使用text-generation-webui的一键安装程序，除非您知道如何进行手动安装。

• 要从特定分支下载，请输入例如“TheBloke/WizardLM-7B-V1.0-Uncensored-GPTQ:gptq-4bit-32g-actorder_True”
• 请参见上面的提供的文件列表，了解每个选项的分支列表。

• 请注意，您不需要再设置GPTQ参数。这些参数会自动从文件quantize_config.json中设置。

如何从Python代码中使用这个GPTQ模型

首先确保您已安装 AutoGPTQ ：

GITHUB_ACTIONS=true pip install auto-gptq

然后尝试以下示例代码：

from transformers import AutoTokenizer, pipeline, logging
from auto_gptq import AutoGPTQForCausalLM, BaseQuantizeConfig

model_name_or_path = "TheBloke/WizardLM-7B-V1.0-Uncensored-GPTQ"
model_basename = "wizardlm-7b-v1.0-uncensored-GPTQ-4bit-128g.no-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="cuda:0",
        use_triton=use_triton,
        quantize_config=None)

"""
To download from a specific branch, use the revision parameter, as in this example:

model = AutoGPTQForCausalLM.from_quantized(model_name_or_path,
        revision="gptq-4bit-32g-actorder_True",
        model_basename=model_basename,
        use_safetensors=True,
        trust_remote_code=True,
        device="cuda:0",
        quantize_config=None)
"""

prompt = "Tell me about AI"
prompt_template=f'''A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions.

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'])

兼容性

提供的文件可与AutoGPTQ（CUDA和Triton模式）、GPTQ-for-LLaMa（仅测试了CUDA）和Occ4m的GPTQ-for-LLaMa分支一起使用。

ExLlama适用于4位的Llama模型。有关每个文件的兼容性，请参见上面提供的文件表。

Discord

如需进一步支持，并讨论有关这些模型和人工智能的问题，请加入我们：

TheBloke AI's Discord server

感谢以及如何贡献。

感谢 chirper.ai 团队！

我有很多人问我是否可以为此做出贡献。我喜欢提供模型和帮助人们，并且很乐意能够投入更多时间来做这些工作，以及扩展到新的项目，如微调/训练。

如果您能够并且愿意进行贡献，我将非常感激，并将帮助我继续提供更多模型，并开始进行新的人工智能项目。

赞助者将优先获得有关任何和所有AI / LLM /模型问题和请求的支持，可以访问私人Discord房间，以及其他福利。

• Patreon： https://patreon.com/TheBlokeAI
• Ko-Fi： https://ko-fi.com/TheBlokeAI

特别感谢：来自CarbonQuill的Luke，Aemon Algiz。

Patreon特别感谢：Space Cruiser，Nikolai Manek，Sam，Chris McCloskey，Rishabh Srivastava，Kalila，Spiking Neurons AB，Khalefa Al-Ahmad，WelcomeToTheClub，Chadd，Lone Striker，Viktor Bowallius，Edmond Seymore，Ai Maven，Chris Smitley，Dave，Alexandros Triantafyllidis，Luke @flexchar，Elle，ya boyyy，Talal Aujan，Alex ，Jonathan Leane，Deep Realms，Randy H，subjectnull，Preetika Verma，Joseph William Delisle，Michael Levine，chris gileta，K，Oscar Rangel，LangChain4j，Trenton Dambrowitz，Eugene Pentland，Johann-Peter Hartmann，Femi Adebogun，Illia Dulskyi，senxiiz，Daniel P. Andersen，Sean Connelly，Artur Olbinski，RoA，Mano Prime，Derek Yates，Raven Klaugh，David Flickinger，Willem Michiel，Pieter，Willian Hasse，vamX，Luke Pendergrass，webtim，Ghost ，Rainer Wilmers，Nathan LeClaire，Will Dee，Cory Kujawski，John Detwiler，Fred von Graf，biorpg，Iucharbius，Imad Khwaja，Pierre Kircher，terasurfer，Asp the Wyvern，John Villwock，theTransient，zynix，Gabriel Tamborski，Fen Risland，Gabriel Puliatti，Matthew Berman，Pyrater，SuperWojo，Stephen Murray，Karl Bernard，Ajan Kanaga，Greatston Gnanesh，Junyu Yang。

感谢我所有慷慨的赞助者和捐助者！

原始的模型卡片：Eric Hartford的WizardLM-7B-V1.0未审查的

这是对 https://huggingface.co/WizardLM/WizardLM-7B-V1.0 进行重新训练的模型，使用了经过过滤的数据集，旨在减少拒绝、回避和偏见。

请注意，LLaMA本身具有固有的道德信仰，因此不存在“真正未经审查”的模型。但是，该模型将比WizardLM/WizardLM-7B-V1.0更加符合规定。

向开源的AI / ML社区和帮助过我的每个人致敬。

注意：未审查的模型没有防护措施。您对所使用的模型负有责任，就像您对使用刀具、枪支、打火机或汽车等危险物品所做的任何事情负责一样。发布模型生成的任何内容等同于您自己发布。您对所发布内容负责，不能将模型的责任归咎于刀具、枪支、打火机或汽车，因为您用它做了什么。

与WizardLM/WizardLM-7B-V1.0不同，但与WizardLM/WizardLM-13B-V1.0和WizardLM/WizardLM-33B-V1.0相同，该模型是使用Vicuna-1.1样式的提示进行训练的。

You are a helpful AI assistant.

USER: <prompt>
ASSISTANT:

感谢 chirper.ai 赞助部分我的计算！