标签:

• 量化
• 2位
• 3位
• 4位
• 5位
• 6位
• 8位
• GGUF
• transformers
• pytorch
• tensorboard
• mistral
• 文本生成
• 医学
• 生物学
• 对话式
• 法语
• 英语
• 德语
• 荷兰语
• 西班牙语
• 葡萄牙语
• 波兰语
• 罗马尼亚语
• 意大利语
• 数据集:pubmed
• arxiv:2402.10373
• 许可证:apache-2.0
• 兼容自动训练
• 兼容端点
• 文本生成推理
• 地区:美国
• 文本生成 模型名称: BioMistral-7B-GGUF 基础模型: BioMistral/BioMistral-7B 推理: false 模型创建者: BioMistral 管道标签: 文本生成 量化者: MaziyarPanahi

MaziyarPanahi/BioMistral-7B-GGUF

• 模型创建者: BioMistral
• 原始模型: BioMistral/BioMistral-7B

描述

MaziyarPanahi/BioMistral-7B-GGUF 包含 BioMistral/BioMistral-7B 的 GGUF 格式模型文件。

使用方法

感谢 TheBloke 准备了关于如何使用 GGUF 模型的精彩 README：

关于 GGUF

GGUF 是由 llama.cpp 团队于 2023 年 8 月 21 日引入的新格式。它取代了 GGML，后者已不再受 llama.cpp 支持。

以下是不完整列表，列出了已知支持 GGUF 的客户端和库：

• llama.cpp。GGUF 的源项目。提供 CLI 和服务器选项。
• text-generation-webui，最广泛使用的 Web UI，具有许多功能和强大的扩展。支持 GPU 加速。
• KoboldCpp，功能齐全的 Web UI，支持跨所有平台和 GPU 架构的 GPU 加速。特别适合故事讲述。
• GPT4All，免费开源的本地运行 GUI，支持 Windows、Linux 和 macOS，具有完整的 GPU 加速。
• LM Studio，易于使用且功能强大的本地 GUI，适用于 Windows 和 macOS（Silicon），支持 GPU 加速。Linux 版本于 2023 年 11 月 27 日处于测试阶段。
• LoLLMS Web UI，一个出色的 Web UI，具有许多有趣且独特的功能，包括完整的模型库，便于模型选择。
• Faraday.dev，一个吸引人且易于使用的基于角色的聊天 GUI，适用于 Windows 和 macOS（Silicon 和 Intel），支持 GPU 加速。
• llama-cpp-python，一个 Python 库，支持 GPU 加速、LangChain 支持和 OpenAI 兼容的 API 服务器。
• candle，一个 Rust ML 框架，专注于性能，包括 GPU 支持和易用性。
• ctransformers，一个 Python 库，支持 GPU 加速、LangChain 支持和 OpenAI 兼容的 AI 服务器。请注意，截至撰写时（2023 年 11 月 27 日），ctransformers 已长时间未更新，不支持许多最近的模型。

量化方法说明

pip3 install huggingface-hub

huggingface-cli download MaziyarPanahi/BioMistral-7B-GGUF BioMistral-7B-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download [MaziyarPanahi/BioMistral-7B-GGUF](https://huggingface.co/MaziyarPanahi/BioMistral-7B-GGUF) --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

pip3 install hf_transfer

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download MaziyarPanahi/BioMistral-7B-GGUF BioMistral-7B-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

示例 llama.cpp 命令

确保您使用的是 d0cee0d 或更高版本的 llama.cpp。

./main -ngl 35 -m BioMistral-7B-GGUF.Q4_K_M.gguf --color -c 32768 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant"

将 -ngl 32 更改为要卸载到 GPU 的层数。如果没有 GPU 加速，请移除该参数。

将 -c 32768 更改为所需的序列长度。对于扩展序列模型（例如 8K、16K、32K），必要的 RoPE 缩放参数会从 GGUF 文件中读取，并由 llama.cpp 自动设置。请注意，更长的序列长度需要更多的资源，因此您可能需要减少此值。

如果您想进行聊天式对话，请将 -p <PROMPT> 参数替换为 -i -ins。

有关其他参数及其使用方法，请参阅 llama.cpp 文档。

如何在 text-generation-webui 中运行

更多说明可以在 text-generation-webui 文档中找到：text-generation-webui/docs/04 ‐ Model Tab.md。

如何从 Python 代码中运行

您可以使用 llama-cpp-python 或 ctransformers 库从 Python 中使用 GGUF 模型。请注意，截至撰写时（2023 年 11 月 27 日），ctransformers 已长时间未更新，与一些最近的模型不兼容。因此，我建议您使用 llama-cpp-python。

如何在 Python 代码中加载此模型，使用 llama-cpp-python

完整文档请参阅：llama-cpp-python 文档。

首先安装包

根据您的系统运行以下命令之一：

# 基础 ctransformers，无 GPU 加速
pip install llama-cpp-python
# 使用 NVidia CUDA 加速
CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python
# 或使用 OpenBLAS 加速
CMAKE_ARGS="-DLLAMA_BLAS=ON -DLLAMA_BLAS_VENDOR=OpenBLAS" pip install llama-cpp-python
# 或使用 CLBLast 加速
CMAKE_ARGS="-DLLAMA_CLBLAST=on" pip install llama-cpp-python
# 或使用 AMD ROCm GPU 加速（仅限 Linux）
CMAKE_ARGS="-DLLAMA_HIPBLAS=on" pip install llama-cpp-python
# 或使用 Metal GPU 加速（仅限 macOS 系统）
CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python

# 在 Windows 中，要在 PowerShell 中设置变量 CMAKE_ARGS，请遵循此格式；例如对于 NVidia CUDA：
$env:CMAKE_ARGS = "-DLLAMA_OPENBLAS=on"
pip install llama-cpp-python

简单的 llama-cpp-python 示例代码

from llama_cpp import Llama

# 将 gpu_layers 设置为要卸载到 GPU 的层数。如果您的系统没有 GPU 加速，请设置为 0。
llm = Llama(
  model_path="./BioMistral-7B-GGUF.Q4_K_M.gguf",  # 首先下载模型文件
  n_ctx=32768,  # 要使用的最大序列长度 - 请注意，更长的序列长度需要更多的资源
  n_threads=8,            # 要使用的 CPU 线程数，根据您的系统和性能进行调整
  n_gpu_layers=35         # 要卸载到 GPU 的层数，如果您有 GPU 加速可用
)

# 简单的推理示例
output = llm(
  "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant", # 提示
  max_tokens=512,  # 最多生成 512 个令牌
  stop=["</s>"],   #