Canarim 7B - GGUF
- Criador do Modelo: Maicon Domingues
- Modelo Original: Canarim-7B
Estes modelos não foram treinados para seguir instruções (instruction tuning). Ou seja, eles não são chatbots. Eles funcionam bem em tarefas few-shot: você passa exemplos de entrada e saída, seguidos por um novo exemplo de entrada, daí o modelo gera o texto complementar (a resposta).
Arquivos Incluídos
Nome | Método Quant | Bits | Tamanho | Desc |
---|---|---|---|---|
canarim7b-q2_k.gguf | q2_K | 2 | 2.83 GB | Quantização em 2-bit. Significativa perda de qualidade. Não-recomendado. |
canarim7b-q3_k_m.gguf | q3_K_M | 3 | 3.3 GB | Quantização em 3-bit. |
canarim7b-q3_k_s.gguf | q3_K_S | 3 | 2.95 GB | Quantização em 3-bit. |
canarim7b-q4_0.gguf | q4_0 | 4 | 3.83 GB | Quantização em 4-bit. Prefira usar o Q3_K_M |
canarim7b-q4_k_s.gguf | q4_K_S | 4 | 3.86 GB | Quantização em 4-bit. |
canarim7b-q3_k_l.gguf | q3_K_L | 3 | 3.6 GB | Quantização em 3-bit com menor perda de qualidade. |
canarim7b-q4_k_m.gguf | q4_K_M | 4 | 4.08 GB | Quantização em 4-bit. |
canarim7b-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-q5_0.gguf | q5_0 | 5 | 4.65 GB | Quantização em 5-bit. Melhor acurácia, maior uso de recursos, inferência mais lenta. |
canarim7b-q5_1.gguf | q5_1 | 5 | 5.06 GB | Quantização em 5-bit. Ainda Melhor acurácia, maior uso de recursos, inferência mais lenta. |
canarim7b-q5_k_m.gguf | q5_K_M | 5 | 4.78 GB | Quantização em 5-bit. Melhor performance. Recomendado. |
canarim7b-q5_k_s.gguf | q5_K_S | 5 | 4.65 GB | Quantização em 5-bit. |
canarim7b-q6_k.gguf | q6_K | 6 | 5.53 GB | Quantização em 6-bit. |
canarim7b-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:
Complete a classificação da última frase de acordo com os exemplos fornecidos.
Isso é demais! // Negativo
Isso é ruim! // Positivo
Que filme maravilhoso! // Positivo
Que série horrível! //
./main -m ./models/canarim-7b-GGUF/canarim7b-q5_1.gguf --color --temp 0.5 -n 256 -p "### Instrução: {comando} ### Resposta:"
Para compreender os parâmetros, veja a documentação do llama.cpp
Experimente gratuitamente no Google 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
### Instrução:
{prompt}
### Resposta:
- Downloads last month
- 77