英文

Chat & support: my new Discord server

Want to contribute? TheBloke's Patreon page

Elinas' Chronos 33B GPTQ

这些文件是用于 Elinas' Chronos 33B 的GPTQ模型文件。

提供了多个GPTQ参数排列,有关提供的选项、参数和用于创建它们的软件的详细信息,请参阅下面的提供的文件。

这些模型是使用 Latitude.sh 提供的硬件进行量子化的。

可用的存储库

提示模板:Alpaca

Below is an instruction that describes a task. Write a response that appropriately completes the request.

### Instruction: {prompt}

### Response:

提供的文件

提供了多个量化参数,可供您选择适合您的硬件和需求的最佳参数。

每个单独的量化都在不同的分支中。请参阅下面的说明,了解如何从不同的分支获取。

Branch Bits Group Size Act Order (desc_act) File Size ExLlama Compatible? Made With Description
main 4 None True 16.94 GB True GPTQ-for-LLaMa Most compatible option. Good inference speed in AutoGPTQ and GPTQ-for-LLaMa. Lower inference quality than other options.
gptq-4bit-32g-actorder_True 4 32 True 19.44 GB True AutoGPTQ 4-bit, with Act Order and group size. 32g gives highest possible inference quality, with maximum VRAM usage. Poor AutoGPTQ CUDA speed.
gptq-4bit-64g-actorder_True 4 64 True 18.18 GB True AutoGPTQ 4-bit, with Act Order and group size. 64g uses less VRAM than 32g, but with slightly lower accuracy. Poor AutoGPTQ CUDA speed.
gptq-4bit-128g-actorder_True 4 128 True 17.55 GB True AutoGPTQ 4-bit, with Act Order and group size. 128g uses even less VRAM, but with slightly lower accuracy. Poor AutoGPTQ CUDA speed.
gptq-8bit--1g-actorder_True 8 None True 32.99 GB False AutoGPTQ 8-bit, with Act Order. No group size, to lower VRAM requirements and to improve AutoGPTQ speed.
gptq-8bit-128g-actorder_False 8 128 False 33.73 GB False AutoGPTQ 8-bit, with group size 128g for higher inference quality and without Act Order to improve AutoGPTQ speed.
gptq-3bit--1g-actorder_True 3 None True 12.92 GB False AutoGPTQ 3-bit, with Act Order and no group size. Lowest possible VRAM requirements. May be lower quality than 3-bit 128g.
gptq-3bit-128g-actorder_False 3 128 False 13.51 GB False AutoGPTQ 3-bit, with group size 128g but no act-order. Slightly higher VRAM requirements than 3-bit None.

如何从分支中下载

  • 在text-generation-webui中,您可以在下载名称的末尾添加:branch,例如TheBloke/chronos-33b-GPTQ:gptq-4bit-32g-actorder_True
  • 使用Git,您可以使用以下命令克隆一个分支:
git clone --branch gptq-4bit-32g-actorder_True https://huggingface.co/TheBloke/chronos-33b-GPTQ`
  • 在Python的Transformers代码中,分支是revision参数;请参阅下面的示例。

如何轻松地下载并在 text-generation-webui 中使用此模型。

请确保您正在使用最新版本的 text-generation-webui

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。

  • 点击“Model”选项卡。
  • 在“Download custom model or LoRA”下,输入TheBloke/chronos-33b-GPTQ。
    • 要从特定分支下载,请输入例如TheBloke/chronos-33b-GPTQ:gptq-4bit-32g-actorder_True
    • 请参阅上面的提供的文件列表,了解每个选项的分支列表。
  • 点击“Download”。
  • 模型将开始下载。完成后,将显示“Done”。
  • 在左上方,点击“Model”旁边的刷新按钮。
  • 在“Model”下拉菜单中,选择刚刚下载的模型:chronos-33b-GPTQ
  • 模型将自动加载,现在已准备就绪!
  • 如果您需要任何自定义设置,请进行设置,然后依次点击“Save settings for this model”和右上方的“Reload the Model”。
    • 请注意,您无需再单独设置GPTQ参数。这些参数将自动从文件quantize_config.json中设置。
  • 准备就绪后,点击“Text Generation”选项卡,输入提示开始使用!
  • 如何在Python代码中使用此GPTQ模型

    首先确保已安装 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/chronos-33b-GPTQ"
    model_basename = "chronos-33b-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=False,
            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=False,
            device="cuda:0",
            quantize_config=None)
    """
    
    prompt = "Tell me about AI"
    prompt_template=f'''Below is an instruction that describes a task. Write a response that appropriately completes the request.
    
    ### Instruction: {prompt}
    
    ### Response:
    '''
    
    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,请参阅上面提供的文件表。

    Discord

    如需进一步支持和讨论有关这些模型和人工智能的话题,请加入我们的 TheBloke AI's Discord server

    感谢以及如何进行贡献。

    感谢 chirper.ai 团队!

    我收到很多人的询问,询问他们是否可以做出贡献。我喜欢提供模型并帮助人们,非常愿意能够花更多的时间来做这件事,以及扩展到新的项目,比如微调/训练。

    如果您能够并且愿意进行贡献,我将非常感激,并且将有助于我继续提供更多的模型,并开始进行新的人工智能项目。

    捐赠者将享有在任何AI/LLM/模型问题和请求上获得优先支持的权利,可以访问私人Discord房间,以及其他福利。

    特别感谢:CarbonQuill的Luke,Aemon Algiz。

    Patreon特别提到: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,塔拉诺兹 温, 著译 Asp the Wyvern,John Villwock, 著译 theTransient,zynix,Gabriel Tamborski,Fen Risland,Gabriel Puliatti,Matthew Berman,Pyrater,SuperWojo,Stephen Murray,Karl Bernard,阿詹·卡纳加 Ajan Kanaga,Greatston Gnanesh,Junyu Yang。

    感谢所有慷慨的赞助人和捐赠者!

    原始模型卡片:Elinas' Chronos 33B

    chronos-33b

    这是 chronos-33b 的fp16 PyTorch / HF版本。如果您需要其他版本,请参考下面的GGML和GPTQ版本链接。

    该模型主要用于聊天,角色扮演和写故事,但也可以进行简单的推理和编码等其他任务。

    Chronos生成非常长的输出,文本连贯,这主要是由于其训练输入是人类输入导致的。

    此模型使用Alpaca格式,因此为了获得最佳模型性能,请使用:

    ### Instruction:
    Your instruction or question here.
    ### Response:
    

    GGML Version provided by @TheBloke

    4bit GPTQ Version provided by @TheBloke

    -license:other

    LLaMA模型卡片

    模型详情

    开发该模型的机构是Meta AI的FAIR团队。

    模型日期:LLaMA的训练日期为2022年12月至2023年2月。

    模型版本:这是模型的第1个版本。

    模型类型:LLaMA是一种自回归语言模型,基于Transformer架构。该模型有不同的规模:7B、13B、33B和65B个参数。

    有关更多信息的论文或资源:有关更多信息,请参阅 https://research.facebook.com/publications/llama-open-and-efficient-foundation-language-models/ 处的论文“LLaMA,开放且高效的基础语言模型”。

    引用详细信息: https://research.facebook.com/publications/llama-open-and-efficient-foundation-language-models/

    许可证:非商业定制许可证

    发送问题或对模型的评论的位置:有关LLaMA的问题和评论可以通过项目的 GitHub repository 发送,也可通过开启问题发送。

    预期用途

    主要预期用途:LLaMA的主要用途是用于大型语言模型的研究,包括:探索潜在应用,如问答、自然语言理解或阅读理解;了解当前语言模型的功能和限制,并开发改进这些模型的技术;评估和缓解偏见、风险、有毒和有害内容生成、幻觉等方面的问题。

    主要预期用户:该模型的主要预期用户是自然语言处理、机器学习和人工智能领域的研究人员。

    不在范围内的用例:LLaMA是基础模型,因此在没有进一步评估和降低风险的情况下,不应在下游应用中使用。特别是,我们的模型没有通过人类反馈进行训练,因此可能会生成有毒或冒犯性内容、错误信息或一般无用的答案。

    因素

    相关因素:模型性能可能会因使用的语言而异最相关的因素之一。尽管我们在训练数据中包含了20种语言,但我们的数据集大部分是英文文本,因此我们预计模型在英文方面的表现会更好。相关的是,以往的研究已经表明,对于不同方言,性能可能会有所不同,我们预计我们的模型也会如此。

    评估因素:由于我们的模型是基于Web数据训练的,因此我们希望它能反映出来自该来源的偏见。因此,我们在真实有毒提示上使用Perspective API对模型生成的毒性进行评估。

    指标

    模型性能评估指标:我们使用以下指标来评估模型:

    • 常识推理、阅读理解、自然语言理解的准确性(MMLU)、BIG-bench难题、WinoGender和CrowS-Pairs的准确性
    • 问答准确率
    • 根据提示模型的毒性,使用Perspective API的毒性分数

    决策阈值:不适用。

    不确定性和变异性的方法:由于训练LLM的计算要求较高,我们只训练了每个规模的一个模型,因此无法评估预训练的变异性。

    评估数据集

    该模型在以下基准测试中进行了评估:BoolQ、PIQA、SIQA、HellaSwag、WinoGrande、ARC、OpenBookQA、NaturalQuestions、TriviaQA、RACE、MMLU、BIG-bench hard、GSM8k、RealToxicityPrompts、WinoGender、CrowS-Pairs。

    训练数据集

    该模型使用以下数据源进行训练:CCNet [67%]、C4 [15%]、GitHub [4.5%]、Wikipedia [4.5%]、Books [4.5%]、ArXiv [2.5%]、Stack Exchange [2%]。Wikipedia和Books领域的数据包括以下语言的数据:bg、ca、cs、da、de、en、es、fr、hr、hu、it、nl、pl、pt、ro、ru、sl、sr、sv、uk。有关训练集和相应预处理的更多详细信息,请参阅论文。

    定量分析

    模型架构的超参数

    LLaMA Model hyper parameters
    Number of parameters dimension n heads n layers Learn rate Batch size n tokens
    7B 4096 32 32 3.0E-04 4M 1T
    13B 5120 40 40 3.0E-04 4M 1T
    33B 6656 52 60 1.5.E-04 4M 1.4T
    65B 8192 64 80 1.5.E-04 4M 1.4T

    表1-LLama模型超参数摘要

    我们在下表中提供了我们在八个常用常识推理基准测试中的结果。

    LLaMA Reasoning tasks
    Number of parameters BoolQ PIQA SIQA HellaSwag WinoGrande ARC-e ARC-c OBQA COPA
    7B 76.5 79.8 48.9 76.1 70.1 76.7 47.6 57.2 93
    13B 78.1 80.1 50.4 79.2 73 78.1 52.7 56.4 94
    33B 83.1 82.3 50.4 82.8 76 81.4 57.8 58.6 92
    65B 85.3 82.8 52.3 84.2 77 81.5 56 60.2 94
    *表2-LLama模型在推理任务上的性能摘要*

    我们在下表中提供了我们的模型输出的偏见摘要。请注意,较低的值表示较低的偏见。

    No Category FAIR LLM
    1 Gender 70.6
    2 Religion 79
    3 Race/Color 57
    4 Sexual orientation 81
    5 Age 70.1
    6 Nationality 64.2
    7 Disability 66.7
    8 Physical appearance 77.8
    9 Socioeconomic status 71.5
    LLaMA Average 66.6

    表3-模型输出的偏见摘要

    道德考虑

    数据:用于训练模型的数据是从各种来源收集而来的,主要来自Web。因此,其中包含冒犯、有害和有偏见的内容。因此,我们预计模型也会表现出这些来自训练数据的偏见。

    人类生命:模型不适用于涉及人类生命的决策,并且不应以此方式使用。

    缓解措施:我们根据Web数据的与维基百科文本和参考文献的接近程度对数据进行了过滤。为此,我们使用了Kneser-Ney语言模型和fastText线性分类器。

    风险和危害:大型语言模型的风险和危害包括生成有害、冒犯或有偏见的内容。这些模型通常容易生成不正确的信息,有时被称为幻觉。我们不希望我们的模型是个例外。

    用例:LLaMA是基础模型,因此,不应在没有进行进一步调查和风险缓解措施的情况下,用于下游应用程序。这些风险和可能存在问题的用例包括:生成不实信息和生成有害、有偏见或冒犯性内容。