模型:

TheBloke/vicuna-33B-GPTQ

英文

Chat & support: my new Discord server

Want to contribute? TheBloke's Patreon page

LmSys' Vicuna 33B 1.3 GPTQ

这些文件是用于 LmSys' Vicuna 33B 1.3 的GPTQ模型文件。

提供了多个GPTQ参数组合; 有关提供的选项、它们的参数以及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 提供的硬件进行量化的。

可用的存储库

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,以便您可以为您的硬件和要求选择最佳参数。

每个单独的量子在不同的分支中。请参见下面的说明,了解如何从不同的分支中进行提取。

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, 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 androup 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-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.

从分支中下载的方法

  • 在text-generation-webui中,您可以在下载名称的末尾添加:branch,例如TheBloke/vicuna-33B-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/vicuna-33B-GPTQ`
  • 在Python Transformers代码中,分支是修订参数;详见下文。

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

请确保您使用的是最新版本的 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。

  • 单击“模型”选项卡。
  • 在“下载自定义模型或LoRA”下,输入“TheBloke/vicuna-33B-GPTQ”。
    • 要从特定分支下载,请例如输入TheBloke/vicuna-33B-GPTQ:gptq-4bit-32g-actorder_True
    • 请参见上面的提供的文件列表,以获取每个选项的分支列表。
  • 单击“下载”。
  • 模型开始下载。下载完成后会显示“已完成”
  • 在左上角,单击“模型”旁边的刷新图标。
  • 在“模型”下拉菜单中,选择刚刚下载的模型:vicuna-33B-GPTQ
  • 模型将自动加载,现在可以使用了!
  • 如果您希望进行任何自定义设置,请进行设置,然后单击“为此模型保存设置”,然后在右上角单击“重新加载模型”。
    • 请注意,您不再需要手动设置GPTQ参数。这些参数会自动从文件quantize_config.json中设置。
  • 准备就绪后,单击“文本生成”选项卡并输入提示开始使用!
  • 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/vicuna-33B-GPTQ"
    model_basename = "vicuna-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=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分支配合使用。

    ExLlama与4位Llama模型兼容。有关每个文件的兼容性,请参见上面的提供的文件表。

    Discord

    如需进一步支持以及关于这些模型和人工智能的讨论,请加入我们的 Discord:

    TheBloke AI's Discord server

    非常感谢,并贡献方法。

    感谢 chirper.ai 团队!

    我有很多人问我是否可以进行贡献。我喜欢提供模型并帮助人们,并希望能够在这方面投入更多的时间,以及扩展到新的项目,如精细调整/训练。

    如果您有能力和意愿进行贡献,我将非常感激,并将帮助我继续提供更多的模型,并开始进行新的人工智能项目。

    捐赠者将优先获得对任何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。

    特别感谢:来自CarbonQuill的Luke,Aemon Algiz。

    Patreon特别提及: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!

    原始模型卡:LmSys' Vicuna 33B 1.3

    Vicuna模型卡

    模型详情

    Vicuna是通过在LLaMA上进行细调,使用从ShareGPT收集的用户共享对话进行训练的聊天助手。

    • 开发者: LMSYS
    • 模型类型:基于Transformer架构的自回归语言模型。
    • 许可:非商业许可
    • 从模型细调: LLaMA

    模型来源

    用途

    Vicuna的主要用途是在大型语言模型和聊天机器人上进行研究。该模型的主要用户群体是自然语言处理、机器学习和人工智能领域的研究人员和爱好者。

    如何开始使用该模型

    命令行界面: https://github.com/lm-sys/FastChat#vicuna-weights 。API(OpenAI API,Huggingface API): https://github.com/lm-sys/FastChat/tree/main#api

    培训详情

    Vicuna v1.3是通过使用监督学习的细节指导细化LLaMA而得到的。训练数据来自ShareGPT.com收集的约14万个对话。有关更多细节,请参阅本 paper 附录中的“Vicuna模型的培训细节”部分。

    评估

    Vicuna使用标准基准、人类偏好和LLM作为评判进行评估。有关更多细节,请参阅此 paper leaderboard

    不同版本的Vicuna之间的区别

    请参阅 vicuna_weights_version.md