Views
No views yet

A continuación hay una instrucción que describe una tarea. Escriba una respuesta que complete adecuadamente la solicitud.
### Instrucción:
{prompt}
### Respuesta:
apache-2.0, and this quantization has therefore used that same license.| Branch | Bits | GS | AWQ Dataset | Seq Len | Size |
|---|---|---|---|---|---|
| main | 4 | 128 | Alpaca Spanish | 4096 | 3.89 GB |
TheBloke/Llama-2-7B-ft-instruct-es-AWQ.Llama-2-7B-ft-instruct-es-AWQ--quantization awq parameter.python3 -m vllm.entrypoints.api_server --model TheBloke/Llama-2-7B-ft-instruct-es-AWQ --quantization awq --dtype autoquantization=awq.1from vllm import LLM, SamplingParams
2
3prompts = [
4 "Tell me about AI",
5 "Write a story about llamas",
6 "What is 291 - 150?",
7 "How much wood would a woodchuck chuck if a woodchuck could chuck wood?",
8]
9prompt_template=f'''A continuación hay una instrucción que describe una tarea. Escriba una respuesta que complete adecuadamente la solicitud.
10### Instrucción:
11{prompt}
12
13### Respuesta:
14'''
15
16prompts = [prompt_template.format(prompt=prompt) for prompt in prompts]
17
18sampling_params = SamplingParams(temperature=0.8, top_p=0.95)
19
20llm = LLM(model="TheBloke/Llama-2-7B-ft-instruct-es-AWQ", quantization="awq", dtype="auto")
21
22outputs = llm.generate(prompts, sampling_params)
23
24# Print the outputs.
25for output in outputs:
26 prompt = output.prompt
27 generated_text = output.outputs[0].text
28 print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")ghcr.io/huggingface/text-generation-inference:1.1.0--model-id TheBloke/Llama-2-7B-ft-instruct-es-AWQ --port 3000 --quantize awq --max-input-length 3696 --max-total-tokens 4096 --max-batch-prefill-tokens 4096pip3 install huggingface-hub1from huggingface_hub import InferenceClient
2
3endpoint_url = "https://your-endpoint-url-here"
4
5prompt = "Tell me about AI"
6prompt_template=f'''A continuación hay una instrucción que describe una tarea. Escriba una respuesta que complete adecuadamente la solicitud.
7### Instrucción:
8{prompt}
9
10### Respuesta:
11'''
12
13client = InferenceClient(endpoint_url)
14response = client.text_generation(prompt,
15 max_new_tokens=128,
16 do_sample=True,
17 temperature=0.7,
18 top_p=0.95,
19 top_k=40,
20 repetition_penalty=1.1)
21
22print(f"Model output: ", response)pip3 install --upgrade "autoawq>=0.1.6" "transformers>=4.35.0"pip3 install https://github.com/casper-hansen/AutoAWQ/releases/download/v0.1.6/autoawq-0.1.6+cu118-cp310-cp310-linux_x86_64.whl1pip3 uninstall -y autoawq
2git clone https://github.com/casper-hansen/AutoAWQ
3cd AutoAWQ
4pip3 install .1from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer
2
3model_name_or_path = "TheBloke/Llama-2-7B-ft-instruct-es-AWQ"
4
5tokenizer = AutoTokenizer.from_pretrained(model_name_or_path)
6model = AutoModelForCausalLM.from_pretrained(
7 model_name_or_path,
8 low_cpu_mem_usage=True,
9 device_map="cuda:0"
10)
11
12# Using the text streamer to stream output one token at a time
13streamer = TextStreamer(tokenizer, skip_prompt=True, skip_special_tokens=True)
14
15prompt = "Tell me about AI"
16prompt_template=f'''A continuación hay una instrucción que describe una tarea. Escriba una respuesta que complete adecuadamente la solicitud.
17### Instrucción:
18{prompt}
19
20### Respuesta:
21'''
22
23# Convert prompt to tokens
24tokens = tokenizer(
25 prompt_template,
26 return_tensors='pt'
27).input_ids.cuda()
28
29generation_params = {
30 "do_sample": True,
31 "temperature": 0.7,
32 "top_p": 0.95,
33 "top_k": 40,
34 "max_new_tokens": 512,
35 "repetition_penalty": 1.1
36}
37
38# Generate streamed output, visible one token at a time
39generation_output = model.generate(
40 tokens,
41 streamer=streamer,
42 **generation_params
43)
44
45# Generation without a streamer, which will include the prompt in the output
46generation_output = model.generate(
47 tokens,
48 **generation_params
49)
50
51# Get the tokens from the output, decode them, print them
52token_output = generation_output[0]
53text_output = tokenizer.decode(token_output)
54print("model.generate output: ", text_output)
55
56# Inference is also possible via Transformers' pipeline
57from transformers import pipeline
58
59pipe = pipeline(
60 "text-generation",
61 model=model,
62 tokenizer=tokenizer,
63 **generation_params
64)
65
66pipe_output = pipe(prompt_template)[0]['generated_text']
67print("pipeline output: ", pipe_output)
68Loader: AutoAWQ.1import torch
2from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig
3
4model_id = "clibrain/Llama-2-7b-ft-instruct-es"
5
6model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True).to("cuda")
7tokenizer = AutoTokenizer.from_pretrained(model_id)
8
9def create_instruction(instruction, input_data=None, context=None):
10 sections = {
11 "Instrucción": instruction,
12 "Entrada": input_data,
13 "Contexto": context,
14 }
15
16 system_prompt = "A continuación hay una instrucción que describe una tarea, junto con una entrada que proporciona más contexto. Escriba una respuesta que complete adecuadamente la solicitud.\n\n"
17 prompt = system_prompt
18
19 for title, content in sections.items():
20 if content is not None:
21 prompt += f"### {title}:\n{content}\n\n"
22
23 prompt += "### Respuesta:\n"
24
25 return prompt
26
27
28def generate(
29 instruction,
30 input=None,
31 context=None,
32 max_new_tokens=128,
33 temperature=0.1,
34 top_p=0.75,
35 top_k=40,
36 num_beams=4,
37 **kwargs
38):
39
40 prompt = create_instruction(instruction, input, context)
41 print(prompt.replace("### Respuesta:\n", ""))
42 inputs = tokenizer(prompt, return_tensors="pt")
43 input_ids = inputs["input_ids"].to("cuda")
44 attention_mask = inputs["attention_mask"].to("cuda")
45 generation_config = GenerationConfig(
46 temperature=temperature,
47 top_p=top_p,
48 top_k=top_k,
49 num_beams=num_beams,
50 **kwargs,
51 )
52 with torch.no_grad():
53 generation_output = model.generate(
54 input_ids=input_ids,
55 attention_mask=attention_mask,
56 generation_config=generation_config,
57 return_dict_in_generate=True,
58 output_scores=True,
59 max_new_tokens=max_new_tokens,
60 early_stopping=True
61 )
62 s = generation_output.sequences[0]
63 output = tokenizer.decode(s)
64 return output.split("### Respuesta:")[1].lstrip("\n")
65
66instruction = "Dame una lista de lugares a visitar en España."
67print(generate(instruction))pipelines1from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
2
3model_id = "clibrain/Llama-2-7b-ft-instruct-es"
4
5model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True).to("cuda")
6tokenizer = AutoTokenizer.from_pretrained(model_id)
7
8pipe = pipeline(task="text-generation", model=model, tokenizer=tokenizer, max_length=200, device=0)
9
10prompt = """
11A continuación hay una instrucción que describe una tarea. Escriba una respuesta que complete adecuadamente la solicitud.
12### Instrucción:
13Dame una lista de 5 lugares a visitar en España.
14
15### Respuesta:
16"""
17
18result = pipe(prompt)
19print(result[0]['generated_text'])