llm-jp-13b-v1.0-4bit-g128-GPTQ-calib-ja-1k

llm-jpさんが公開している、llm-jp-13b-v1.0を、 日本語のキャリブレーションセットで生成したGPTQモデルになります。

キャリブレーションセットはizumi-lab/wikipedia-ja-20230720から、 1kほどランダムサンプリングしたものと、
ELYZA-tasks-100のinput/outputを計200ほど追加しています。
mmnga/wikipedia-ja-20230720-1k

モデル一覧
mmnga/llm-jp-13b-v1.0-4bit-g128-GPTQ-calib-ja-1k
mmnga/llm-jp-13b-instruct-full-jaster-dolly-oasst-v1.0-GPTQ-calib-ja-1k
mmnga/llm-jp-13b-instruct-full-dolly-oasst-v1.0-GPTQ-calib-ja-1k

GGUF版
mmnga/llm-jp-13b-v1.0-gguf
mmnga/llm-jp-13b-instruct-full-jaster-dolly-oasst-v1.0-gguf
mmnga/llm-jp-13b-instruct-full-dolly-oasst-v1.0-gguf

Usage

pip install auto-gptq transformers

from auto_gptq import AutoGPTQForCausalLM, BaseQuantizeConfig
from transformers import AutoTokenizer

model_name_or_path = "mmnga/llm-jp-13b-v1.0-4bit-g128-GPTQ-calib-ja-1k"

# Tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_name_or_path, trust_remote_code=True)

# Model
model = AutoGPTQForCausalLM.from_quantized(model_name_or_path, use_safetensors=True, device="cuda:0", use_auth_token=False)

#Your test prompt
prompt = """今日の晩御飯のレシピをご紹介します。"""
print(tokenizer.decode(model.generate(**tokenizer(prompt, return_tensors="pt",add_special_tokens=False).to(model.device), max_new_tokens=100,do_sample=True,top_p=0.95,temperature=0.7)[0]))