lucianosb's picture
adiciona exemplo no google colab
de6634f
metadata
inference: false
language:
  - pt
model_creator: Maicon Domingues
model_link: https://huggingface.co/dominguesm/Canarim-7B-Instruct
model_name: Canarim 7B
model_type: llama
quantized_by: lucianosb
pipeline_tag: text-generation
license: llama2

Canarim 7B Instruct - GGUF

Canarim-7B-Instruct é um modelo de linguagem de 7 bilhões de parâmetros, inicializado a partir do modelo Canarim-7B e treinado em uma variedade de conjuntos de dados de instruções disponíveis publicamente.

Arquivos Incluídos

Nome Método Quant Bits Tamanho Desc
canarim7b-instruct-q2_k.gguf q2_K 2 2.83 GB Quantização em 2-bit. Significativa perda de qualidade. Não-recomendado.
canarim7b-instruct-q3_k_m.gguf q3_K_M 3 3.3 GB Quantização em 3-bit.
canarim7b-instruct-q3_k_s.gguf q3_K_S 3 2.95 GB Quantização em 3-bit.
canarim7b-instruct-q4_0.gguf q4_0 4 3.83 GB Quantização em 4-bit. Prefira usar o Q3_K_M
canarim7b-instruct-q4_k_s.gguf q4_K_S 4 3.86 GB Quantização em 4-bit.
canarim7b-instruct-q3_k_l.gguf q3_K_L 3 3.6 GB Quantização em 3-bit com menor perda de qualidade.
canarim7b-instruct-q4_k_m.gguf q4_K_M 4 4.08 GB Quantização em 4-bit.
canarim7b-instruct-q4_1.gguf q4_1 4 4.24 GB Quantização em 4-bit. Acurácia maior que q4_0 mas não tão boa quanto q5_0. Inferência mais rápida que os modelos q5.
canarim7b-instruct-q5_0.gguf q5_0 5 4.65 GB Quantização em 5-bit. Melhor acurácia, maior uso de recursos, inferência mais lenta.
canarim7b-instruct-q5_1.gguf q5_1 5 5.06 GB Quantização em 5-bit. Ainda Melhor acurácia, maior uso de recursos, inferência mais lenta.
canarim7b-instruct-q5_k_m.gguf q5_K_M 5 4.78 GB Quantização em 5-bit. Melhor performance. Recomendado.
canarim7b-instruct-q5_k_s.gguf q5_K_S 5 4.65 GB Quantização em 5-bit.
canarim7b-instruct-q6_k.gguf q6_K 6 5.53 GB Quantização em 6-bit.
canarim7b-instruct-q8_0.gguf q8_0 8 7.16 GB Quantização em 8-bit. Quase indistinguível do float16. Usa muitos recursos e é mais lento.

Observação: os valores de RAM acima não pressupõem descarregamento de GPU. Se as camadas forem descarregadas para a GPU, isso reduzirá o uso de RAM e usará VRAM.

Como executar com llama.cpp

Usei o seguinte comando. Para melhores resultados forneça exemplos de resultados esperados. Exemplo:

Conte a história do Curupira

./main -m ./models/canarim-7B-instruct-GGUF/canarim7b-instruct-q5_k_m.gguf --color --temp 0.5 -n 256 -p "### Instruções: {comando} ### Resposta:"

Para compreender os parâmetros, veja a documentação do llama.cpp

Experimente gratuitamente no Google Colab: Open In Colab

Sobre o formato GGUF

GGUF é um novo formato introduzido pela equipe llama.cpp em 21 de agosto de 2023. É um substituto para o GGML, que não é mais suportado pelo llama.cpp.

O principal benefício do GGUF é que ele é um formato extensível e à prova de futuro que armazena mais informações sobre o modelo como metadados. Ele também inclui código de tokenização significativamente melhorado, incluindo pela primeira vez suporte total para tokens especiais. Isso deve melhorar o desempenho, especialmente com modelos que usam novos tokens especiais e implementam modelos de prompt personalizados.

Aqui está uma lista de clientes e bibliotecas que são conhecidos por suportar GGUF:

  • llama.cpp.
  • ollama - servidor com interfaces REST e CLI
  • Faraday.dev - App para Windows e Mac
  • lollms-webui - Lord of Large Language Models Web User Interface
  • text-generation-webui, a interface web mais amplamente utilizada. Suporta GGUF com aceleração GPU via backend ctransformers - backend llama-cpp-python deve funcionar em breve também.
  • KoboldCpp, agora suporta GGUF a partir da versão 1.41! Uma poderosa interface web GGML, com aceleração total da GPU. Especialmente bom para contar histórias.
  • LM Studio, versão 0.2.2 e posteriores suportam GGUF. Uma GUI local totalmente equipada com aceleração GPU em ambos Windows (NVidia e AMD) e macOS.
  • LoLLMS Web UI, agora deve funcionar, escolha o backend c_transformers. Uma ótima interface web com muitos recursos interessantes. Suporta aceleração GPU CUDA.
  • ctransformers, agora suporta GGUF a partir da versão 0.2.24! Uma biblioteca Python com aceleração GPU, suporte LangChain e servidor AI compatível com OpenAI.
  • llama-cpp-python, suporta GGUF a partir da versão 0.1.79. Uma biblioteca Python com aceleração GPU, suporte LangChain e servidor API compatível com OpenAI.
  • candle, adicionou suporte GGUF em 22 de agosto. Candle é um framework ML Rust com foco em desempenho, incluindo suporte GPU e facilidade de uso.
  • LocalAI, adicionou suporte GGUF em 23 de agosto. LocalAI provê uma API Rest para modelos LLM e de geração de imagens.

Template

### Instruções:
{prompt}

### Resposta: