Instructions to use AnnPrin/czech-gpt-depth12 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use AnnPrin/czech-gpt-depth12 with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="AnnPrin/czech-gpt-depth12")

# pip install -U transformers accelerate
# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("AnnPrin/czech-gpt-depth12")
model = AutoModelForCausalLM.from_pretrained("AnnPrin/czech-gpt-depth12", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use AnnPrin/czech-gpt-depth12 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "AnnPrin/czech-gpt-depth12"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "AnnPrin/czech-gpt-depth12",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/AnnPrin/czech-gpt-depth12

SGLang

How to use AnnPrin/czech-gpt-depth12 with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "AnnPrin/czech-gpt-depth12" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "AnnPrin/czech-gpt-depth12",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "AnnPrin/czech-gpt-depth12" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "AnnPrin/czech-gpt-depth12",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use AnnPrin/czech-gpt-depth12 with Docker Model Runner:
```
docker model run hf.co/AnnPrin/czech-gpt-depth12
```

Czech GPT

Собственная decoder-only модель, обученная с нуля в учебном проекте. Экспорт этапа gpu_medium_depth12, шаг 11810; 46,152,704 параметров, 12 слоёв, контекст 256, собственный BPE 16k. Код и история обучения: https://github.com/Annprin/czech-gpt.

Это промежуточная модель: встречаются смысловые ошибки, повторы и смена темы. Связные рассказы и достоверные ответы пока не продемонстрированы.

В папке находятся веса float32, конфигурация и токенизатор. Состояния оптимизатора не нужны для инференса и в экспорт не входят. Исходный чекпоинт нужен для resume. Веса и ID токенизатора проверены после сохранения и повторной загрузки.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "YOUR_USERNAME/czech-gpt"  # или путь к скачанной папке
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo).eval()
inputs = tokenizer("Praha je", return_tensors="pt")
with torch.inference_mode():
    output = model.generate(**inputs, max_new_tokens=64, do_sample=False)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Здесь from_pretrained загружает наши опубликованные веса для инференса; сторонние предобученные веса при обучении нашей модели не использовались.

Downloads last month: -

Safetensors

Model size

46.2M params

Tensor type

F32