Chat & support: my new Discord server
Want to contribute? TheBloke's Patreon page
这些文件是 Austism's Chronos Hermes 13B 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,请参阅下面的“提供的文件”部分。
这些模型是使用由 Latitude.sh 慷慨提供的硬件进行量化的。
Below is an instruction that describes a task. Write a response that appropriately completes the request. ### Instruction: {prompt} ### Response:
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。
每个单独的量化在不同的分支中。请参阅下面的说明以了解如何从不同分支中获取。
Branch | Bits | Group Size | Act Order (desc_act) | File Size | ExLlama Compatible? | Made With | Description |
---|---|---|---|---|---|---|---|
main | 4 | 128 | False | 7.45 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 | 8.00 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 | 7.51 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 | 7.26 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 | 13.36 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 | 13.65 GB | False | AutoGPTQ | 8-bit, with group size 128g for higher inference quality and without Act Order to improve AutoGPTQ speed. |
git clone --branch gptq-4bit-32g-actorder_True https://huggingface.co/TheBloke/chronos-hermes-13B-GPTQ`
请确保您使用的是最新版本的 text-generation-webui 。
强烈建议使用文本生成网页界面的一键安装程序,除非您知道如何进行手动安装。
首先确保您安装了 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-hermes-13B-GPTQ" model_basename = "chronos-hermes-13b-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'''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'])
提供的文件可与AutoGPTQ(CUDA和Triton模式)、GPTQ-for-LLaMa(仅CUDA已经过测试)和Occ4m的GPTQ-for-LLaMa分支一起使用。
ExLlama可与4位Llama模型一起使用。有关每个文件的兼容性,请参见上面的“提供的文件”表格。
如需进一步支持以及有关这些模型和AI的讨论,请加入我们的 Discord 并与我们交流:
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,并且很愿意在此基础上投入更多时间,以及扩展到新的项目(如微调/训练)。
如果您有能力和意愿做出贡献,我将非常感激,并将有助于我继续提供更多模型,并开始新的AI项目。
捐助者将优先获得在任何AI/LLM/模型问题和请求上的支持,还可以访问私人Discord房间,以及其他福利。
特别感谢:来自CarbonQuill的Luke,Aemon Algiz。
Patreon特别致谢: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。
感谢所有慷慨的赞助者和捐助者!
( chronos-13b + Nous-Hermes-13b ) 75/25 合并
这个模型具有Chronos的特点,可以生成长篇的描述性输出。但具有更高的一致性和更好地遵守指令的能力。因此,该模型具有很强的产生令人心醉神迷的故事和遵循叙事的能力。
这个混合包含了很多Chronos的写作风格和“特色”,但很少倾向于乱说一气和胡言乱语。
这个结果比我之前的 first chronos merge 更成功。