Chat & support: my new Discord server

Want to contribute? TheBloke's Patreon page

VMWare的OpenLlama 13B开源指令GPTQ

这些文件是用于 VMWare's OpenLlama 13B Open Instruct 的GPTQ 4位模型文件。

这是使用 GPTQ-for-LLaMa 进行4位量化的结果。

可用的存储库

• 4-bit GPTQ models for GPU inference
• 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

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

### Instruction: prompt

### Response:

如何方便地下载并在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

• 请注意，您无需设置手动GPTQ参数。这些参数将根据 quantize_config.json 文件自动设置。

如何在Python代码中使用此GPTQ模型

首先确保您已安装 AutoGPTQ ：

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
import argparse

model_name_or_path = "TheBloke/open-llama-13b-open-instruct-GPTQ"
model_basename = "open-llama-13b-open-instruct-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=False,
        device="cuda:0",
        use_triton=use_triton,
        quantize_config=None)

# Note: check the prompt template is correct for this model.
prompt = "Tell me about AI"
prompt_template=f'''### 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

open-llama-13b-open-instruct-GPTQ-4bit-128g.no-act.order.safetensors

这将适用于AutoGPTQ、ExLlama和CUDA版本的GPTQ-for-LLaMa。有关GPTQ-for-LLaMa Triton模式的问题报告。如果遇到问题，请使用AutoGPTQ。

它是使用 group_size 128 创建的，以提高推断准确性，但没有使用 --act-order（desc_act）以提高兼容性和推断速度。

• open-llama-13b-open-instruct-GPTQ-4bit-128g.no-act.order.safetensors
  • 适用于CUDA或Triton模式下的AutoGPTQ。
  • LLaMa模型还适用于[ExLlama]( https://github.com/turboderp/exllama} ，通常提供更高的性能，并使用较少的VRAM，优于AutoGPTQ。
  • 适用于CUDA模式下的GPTQ-for-LLaMa。在GPTQ-for-LLaMa Triton模式下可能会有问题。
  • 适用于text-generation-webui，包括一键安装程序。
  • 参数：Groupsize = 128。Act Order / desc_act = False。

Discord

如需进一步支持以及关于这些模型和AI的讨论，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贡献。我喜欢提供模型和帮助人们，也希望能够花更多时间做这些，并扩展到新的项目，如微调/训练。

如果您能够并愿意贡献，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，可以进入专属的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 : CarbonQuill的Luke, Aemon Algiz, Dmitriy Samsonov.

Patreon特别感谢 : Mano Prime, Fen Risland, Derek Yates, Preetika Verma, webtim, Sean Connelly, Alps Aficionado, Karl Bernard, Junyu Yang, Nathan LeClaire, Chris McCloskey, Lone Striker, Asp the Wyvern, Eugene Pentland, Imad Khwaja, trip7s trip, WelcomeToTheClub, John Detwiler, Artur Olbinski, Khalefa Al-Ahmad, Trenton Dambrowitz, Talal Aujan, Kevin Schuppel, Luke Pendergrass, Pyrater, Joseph William Delisle, terasurfer , vamX, Gabriel Puliatti, David Flickinger, Jonathan Leane, Iucharbius , Luke, Deep Realms, Cory Kujawski, ya boyyy, Illia Dulskyi, senxiiz, Johann-Peter Hartmann, John Villwock, K, Ghost , Spiking Neurons AB, Nikolai Manek, Rainer Wilmers, Pierre Kircher, biorpg, Space Cruiser, Ai Maven, subjectnull, Willem Michiel, Ajan Kanaga, Kalila, chris gileta, Oscar Rangel.

感谢我所有慷慨的赞助者和捐赠者！

原始模型卡片：VMWare的OpenLlama 13B开源指令

VMware/open-llama-13B-open-instruct

经过指令调整的全面训练的Open LLama 13B模型。该模型可用于商业用途。

注意：该模型是使用Alpaca提示模板进行训练的。注意：快速分词器会导致编码错误，请在实例化标记器时设置 use_fast = False 参数。注意：模型可能会在处理代码时遇到困难，因为分词器合并了多个空格。

许可证

• 商业可用
• 指令数据集( VMware/open-instruct-v1-oasst-dolly-hhrlhf )基于cc-by-sa-3.0许可。
• 语言模型( openlm-research/open_llama_13b )基于apache-2.0许可。

命名法

• 模型：Open-llama
• 模型大小：13B 参数
• 数据集：Open-instruct-v1 (oasst,dolly, hhrlhf)

在Transformer中使用

import os
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = 'VMware/open-llama-13b-open-instruct'


tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=False)

model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.float16, device_map='sequential')

prompt_template = "Below is an instruction that describes a task. Write a response that appropriately completes the request.\n\n### Instruction:\n{instruction}\n\n### Response:"

prompt = 'Explain in simple terms how the attention mechanism of a transformer model works'


inputt = prompt_template.format(instruction= prompt)
input_ids = tokenizer(inputt, return_tensors="pt").input_ids.to("cuda")

output1 = model.generate(input_ids, max_length=512)
input_length = input_ids.shape[1]
output1 = output1[:, input_length:]
output = tokenizer.decode(output1[0])

print(output)

微调详情

我们的 RAIL Github Repository 中将提供微调脚本

评估

待定