# MiniCPM

## 介绍 Introduction


- 与`Llama`的关系 The Relationship between `Llama`

    `MiniCPM`与`Llama`均使用了仅解码器架构。代码实现上，`MiniCPM`基于`Llama`实现，增加了放缩机制。

    `MiniCPM` uses Decoder-only Structure as well as `Llama`. The implementation of `MiniCPM` is based on `Llama` code, with scaling mechenism added.

## 软件依赖 Dependency

- `transformers >= 4.36.0`
- `accelerate`

## 使用 Usage

我们推荐使用`AutoModelForCausalLM`与`AutoTokenizer`载入`MiniCPM`，并使用`torch.bfloat16`作为计算精度。我们推荐在GPU上进行推理。

We recommend using `AutoModelForCausalLM` and `AutoTokenizer` to load `MiniCPM`, and use `torch.bfloat16` as the calculation precision. GPU reference is recommended.

以下是一个使用`MiniCPM`生成的例子。

An example is provided below for using `MiniCPM` to generate tokens.

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

path = '/data/miniCPM_opensource/miniCPM-bf16' # TODO

tokenizer = AutoTokenizer.from_pretrained(path)
model = AutoModelForCausalLM.from_pretrained(path, torch_dtype=torch.float32, device_map='auto', trust_remote_code=True)

dialog = [{'role': 'user', 'content': '请问中国哪几个城市最适合旅游？'}]

input = tokenizer.apply_chat_template(dialog, tokenize=False, add_generation_prompt=False)
enc = tokenizer(input, return_tensors='pt').to('cuda')

output = model.generate(**enc, max_length=1024)
print(tokenizer.decode(output[0]))
```

期望的输出 Expected Output:
```
<s> <用户>请问中国哪几个城市最适合旅游？<AI> 中国有很多适合旅游的城市，以下是一些建议：

1. 北京：中国的首都，有着悠久的历史和丰富的文化，如故宫、天安门广场、颐和园等。
2. 上海：中国的经济中心，有着现代化的城市风貌和世界级的景点，如外滩、东方明珠、豫园等。
3. 西安：古都西安有着丰富的历史遗迹，如兵马俑、大雁塔、华清池等。
4. 成都：美食之都，有着悠闲的生活氛围，如锦里、宽窄巷子、大熊猫繁育研究基地等。
5. 杭州：美丽的西湖是杭州的标志性景点，还有许多历史遗迹和文化景点，如灵隐寺、宋城等。
6. 广州：南方繁华的大都市，有着丰富的美食和购物资源，如珠江夜游、白云山、长隆旅游度假区等。
7. 厦门：美丽的海滨城市，有着清新的空气和美丽的海景，如鼓浪屿、南普陀寺、厦门大学等。
8. 桂林：著名的旅游城市，有着壮丽的山水风光，如漓江、阳朔、世外桃源等。
9. 张家界：有着独特的石柱地貌，如黄龙洞、天子山、金鞭溪等。
10. 西藏：神秘的高原地区，有着壮丽的自然风光和丰富的文化，如布达拉宫、大昭寺、纳木错等。

以上仅是中国部分城市的推荐，实际上中国还有许多其他美丽的地方值得一游。在选择旅游目的地时，可以根据自己的兴趣和喜好进行选择。</s>
```

## 引用 Reference