README.md

---
library_name: transformers
tags:
- merge
language:
- en
- es
- ru
- zh
- de
- fr
- th
- ca
- it
- ja
- pl
- eo
- eu
- vi
- fi
- hu
- ar
- nl
- da
- tr
- ko
- he
- id
- cs
- bn
- sv
widget:
- text: |
    <|im_start|>system
    You are a helpful AI assistant.<|im_end|>
    <|im_start|>user
    podrias escribir un codigo de ejemplo en Python<|im_end|>
    <|im_start|>assistant
license: apache-2.0
---

# Model Card for Model Llama convert Mixtral-experts


![image/png](https://cdn-uploads.huggingface.co/production/uploads/641b435ba5f876fe30c5ae0a/pCZl7pjE_ZFsXHAqBr4-x.png)

<!-- Provide a quick summary of what the model is/does. -->

```yalm

experts:
  - source_model: NickyNicky/TinyDolphin-2.8-1.1b_oasst2_chatML_Cluster_1_V1
    negative_prompts:
      - "ignora la pregunta"
      - "responde con información irrelevante"
      ...
    positive_prompts:
      - "resume este texto"
      - "convierte este contenido en formato json"
      ...
  - source_model: NickyNicky/TinyDolphin-2.8-1.1b_oasst2_chatML_Cluster_2_V1
    negative_prompts:
      - "игнорируйте вопрос"
      - "отвечайте не по теме"
      ...
    positive_prompts:
      - "сделайте резюме этого текста"
      - "преобразуйте это содержание в формат json"
      ...
  - source_model: NickyNicky/TinyDolphin-2.8-1.1b_oasst2_chatML_Cluster_3_V1
    negative_prompts:
      - "忽略问题"
      - "回应无关信息"
      ...
    positive_prompts:
      - "总结这段文字"
      - "将这个内容转换为json格式"
      ...
  - source_model: NickyNicky/cognitivecomputations_TinyDolphin-2.8-1.1b
    negative_prompts:
    - ignora la pregunta
    - responde con información irrelevante
    ...
    positive_prompts:
    - resume este texto
    - convierte este contenido en formato json
    ...


base_model: NickyNicky/TinyDolphin-2.8-1.1b_oasst2_chatML_Cluster_2_V1
gate_mode: cheap_embed # one of "hidden", "cheap_embed", or "random"
dtype: bfloat16

```






```Python
from transformers import (
    AutoModelForCausalLM,
    AutoTokenizer,
    BitsAndBytesConfig,
    HfArgumentParser,
    TrainingArguments,
    pipeline,
    logging,
    GenerationConfig,
    TextIteratorStreamer,
)
import torch

new_model= "NickyNicky/Mixtral-4x1.1B-TinyDolphin-2.8-1.1b_oasst2_chatML_Cluster"
model = AutoModelForCausalLM.from_pretrained(#f'NickyNicky/{new_model}',
                                             new_model,
                                             device_map="auto",
                                             trust_remote_code=True,
                                             torch_dtype=torch.bfloat16,

                                             low_cpu_mem_usage= True,
                                            #  use_flash_attention_2=False,

                                             )


tokenizer = AutoTokenizer.from_pretrained(new_model,
                                          max_length=2048,
                                          trust_remote_code=True,
                                          use_fast = True,
                                          )

tokenizer.pad_token = tokenizer.eos_token
# tokenizer.padding_side = 'left'
tokenizer.padding_side = 'right'


prompt= """<|im_start|>system
You are a helpful AI assistant.<|im_end|>
<|im_start|>user
escribe una historia de amor.<|im_end|>
<|im_start|>assistant
"""

inputs = tokenizer.encode(prompt,
                          return_tensors="pt",
                          add_special_tokens=False).cuda()#.to("cuda") # False # True


generation_config = GenerationConfig(
              max_new_tokens=700,
              temperature=0.5,
              top_p=0.9,
              top_k=40,
              repetition_penalty=1.1, #1.1, # 1.0 means no penalty, > 1.0 means penalty, 1.2 from CTRL paper
              do_sample=True,
              pad_token_id=tokenizer.eos_token_id,
              eos_token_id=tokenizer.eos_token_id,
          )
outputs = model.generate(
                         generation_config=generation_config,
                         input_ids=inputs,)
# tokenizer.decode(outputs[0], skip_special_tokens=False) #True
print(tokenizer.decode(outputs[0], skip_special_tokens=False))

'''output print
<|im_start|> system
You are a helpful AI assistant. 
<|im_start|> user
podrias escribir un codigo de ejemplo en Python 
<|im_start|> assistant
Claro, aquí está un ejemplo de código en Python para crear un programa que imprime la suma de todos los números enteros entre 1 y 10:

python
# Código para imprimir la suma de todos los números enteros entre 1 y 10

suma = 0

for i in range(1, 11):
    suma += i

print("La suma de todos los números enteros entre 1 y 10 es:", suma)


Este código utiliza la función `range()` para crear una lista de los números enteros entre 1 y 10, y la función `sum()` para sumar todos los elementos de la lista. La variable `suma` se asigna a 0 durante el ciclo for, y se incrementa cada vez que se realiza una iteración del ciclo.

El resultado de ejecutar este código será:

La suma de todos los números enteros entre 1 y 10 es: 55

Este ejemplo muestra cómo crear programas en Python que usan las instrucciones básicas de programación, como las listas, las variables y las funciones. También muestra cómo usar la función '''
```