mmnga/japanese-stablelm-base-ja_vocab-beta-7b-GPTQ-calib-ja-1k

japanese-stablelm-base-ja_vocab-beta-7b-GPTQ-calib-ja-1k

stabilityaiさんが公開しているjapanese-stablelm-base-ja_vocab-beta-7b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 GPTQ mmnga/japanese-stablelm-base-ja_vocab-beta-7b-GPTQ-calib-ja-1k mmnga/japanese-stablelm-instruct-ja_vocab-beta-7b-GPTQ-calib-ja-1k

GGUF mmnga/japanese-stablelm-base-ja_vocab-beta-7b-gguf mmnga/japanese-stablelm-instruct-ja_vocab-beta-7b-gguf

Usage

~~~Bash pip install auto-gptq==0.4.2 transformers ~~~

~~~python from auto_gptq import AutoGPTQForCausalLM, BaseQuantizeConfig from transformers import AutoTokenizer

modelnameorpath = "mmnga/japanese-stablelm-base-javocab-beta-7b-GPTQ-calib-ja-1k"

Tokenizer

tokenizer = AutoTokenizer.frompretrained(modelnameorpath, trustremotecode=True)

Model

model = AutoGPTQForCausalLM.fromquantized(modelnameorpath, use_safetensors=True, device="cuda:0")

Your test prompt

prompt = """今日の夕食のレシピをご紹介します。""" print(tokenizer.decode(model.generate(**tokenizer(prompt, returntensors="pt").to(model.device), maxlength=128)[0])) ~~~