🚀 Nanbeige 16B Base 32K - GGUF

本项目提供了 Nanbeige 16B Base 32K 模型的 GGUF 格式量化文件，支持多种客户端和库，方便用户进行推理和使用。

🚀 快速开始

本仓库包含 Nanbeige LLM Lab 的 Nanbeige 16B Base 32K 模型的 GGUF 格式文件。这些文件由 Massed Compute 提供的硬件进行量化。

✨ 主要特性

• 多语言支持：支持英文和中文。
• 多种量化格式：提供 2、3、4、5、6 和 8 位的 GGUF 模型，适用于 CPU+GPU 推理。
• 广泛的兼容性：与多种客户端和库兼容，如 llama.cpp、text-generation-webui 等。

📦 安装指南

下载 GGUF 文件

• 自动下载：LM Studio、LoLLMS Web UI、Faraday.dev 等客户端/库会自动下载模型，并提供可用模型列表供选择。
• text-generation-webui：在 Download Model 中输入模型仓库地址 TheBloke/Nanbeige-16B-Base-32K-GGUF，并指定要下载的文件名，如 nanbeige-16b-base-32k.Q4_K_M.gguf，然后点击 Download。
• 命令行下载：推荐使用 huggingface-hub Python 库，安装命令如下：

pip3 install huggingface-hub

下载单个模型文件的命令示例：

huggingface-cli download TheBloke/Nanbeige-16B-Base-32K-GGUF nanbeige-16b-base-32k.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

下载多个文件的命令示例：

huggingface-cli download TheBloke/Nanbeige-16B-Base-32K-GGUF --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

运行模型

llama.cpp

确保使用 d0cee0d 或更高版本的 llama.cpp。运行命令示例：

./main -ngl 32 -m nanbeige-16b-base-32k.Q4_K_M.gguf --color -c 2048 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "{prompt}"

参数说明：

• -ngl 32：指定要卸载到 GPU 的层数，若无 GPU 加速可移除该参数。
• -c 2048：指定所需的序列长度。
• 若要进行聊天式对话，将 -p <PROMPT> 参数替换为 -i -ins。

text-generation-webui

更多说明可参考 text-generation-webui 文档。

Python 代码

可使用 llama-cpp-python 或 ctransformers 库从 Python 中使用 GGUF 模型。

使用 ctransformers 加载模型的示例代码：

from ctransformers import AutoModelForCausalLM

# Set gpu_layers to the number of layers to offload to GPU. Set to 0 if no GPU acceleration is available on your system.
llm = AutoModelForCausalLM.from_pretrained("TheBloke/Nanbeige-16B-Base-32K-GGUF", model_file="nanbeige-16b-base-32k.Q4_K_M.gguf", model_type="nanbeige", gpu_layers=50)

print(llm("AI is going to"))

💻 使用示例

基础用法

from ctransformers import AutoModelForCausalLM

llm = AutoModelForCausalLM.from_pretrained("TheBloke/Nanbeige-16B-Base-32K-GGUF", model_file="nanbeige-16b-base-32k.Q4_K_M.gguf", model_type="nanbeige", gpu_layers=50)

print(llm("中国的首都是北京\n德国的首都是柏林\n孟加拉的首都是"))

高级用法

from ctransformers import AutoModelForCausalLM
from transformers.generation.utils import GenerationConfig

# 配置生成参数
config = GenerationConfig(
    max_new_tokens=32000,
    temperature=0.7,
    repeat_penalty=1.1
)

llm = AutoModelForCausalLM.from_pretrained("TheBloke/Nanbeige-16B-Base-32K-GGUF", model_file="nanbeige-16b-base-32k.Q4_K_M.gguf", model_type="nanbeige", gpu_layers=50)

input_text = "中国的首都是北京\n德国的首都是柏林\n孟加拉的首都是"
output = llm(input_text, generation_config=config)
print(output)

📚 详细文档

关于 GGUF

GGUF 是 llama.cpp 团队在 2023 年 8 月 21 日引入的新格式，用于替代不再受 llama.cpp 支持的 GGML 格式。以下是已知支持 GGUF 的客户端和库列表：

• 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，特别适合讲故事。
• LM Studio：适用于 Windows 和 macOS (Silicon) 的易用且强大的本地 GUI，支持 GPU 加速。
• LoLLMS Web UI：一个很棒的 Web UI，具有许多有趣和独特的功能，包括一个完整的模型库，便于模型选择。
• Faraday.dev：适用于 Windows 和 macOS (Silicon 和 Intel) 的有吸引力且易用的基于角色的聊天 GUI，支持 GPU 加速。
• ctransformers：一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 AI 服务器的 Python 库。
• llama-cpp-python：一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 API 服务器的 Python 库。
• candle：一个专注于性能的 Rust ML 框架，包括 GPU 支持和易用性。

可用仓库

• 用于 GPU 推理的 GPTQ 模型，具有多种量化参数选项
• 2、3、4、5、6 和 8 位的 GGUF 模型，用于 CPU+GPU 推理
• Nanbeige LLM Lab 原始未量化的 fp16 模型，采用 pytorch 格式，用于 GPU 推理和进一步转换

提示模板

{prompt}

兼容性

这些量化的 GGUFv2 文件与 8 月 27 日之后的 llama.cpp 兼容，对应提交版本为 d0cee0d。它们也与许多第三方 UI 和库兼容，请参阅本 README 顶部的列表。

量化方法说明

提供的文件

注意：上述 RAM 数字假设没有 GPU 卸载。如果将层卸载到 GPU，这将减少 RAM 使用并使用 VRAM 代替。

🔧 技术细节

模型介绍

Nanbeige-16B（南北阁-16B）是南北阁大模型实验室研发的 160 亿参数规模的大语言模型，采用了 2.5T Tokens 进行预训练，数据包含大量互联网高质量语料、各类书籍、代码等领域脱敏文本，在各个权威测评数据集上都取得了不错的效果。本次发布包含有 Base、Chat 以及扩展上下文长度的 Base-32k、Chat-32k 版本。

Base-32k 版本基于 Nanbeige-16B-Base 模型，采用 YaRN 插值方法对位置编码进行修改，并以 32k 为最大长度进行了 20B Tokens 的中文、英文、代码语料的全参数增量预训练。

Chat 版本和 Chat-32k 版本分别基于 Nanbeige-16B-Base 模型和 Nanbeige-16B-Base-32k 模型，经过了大量人类对齐训练，能够更好、更安全地回复用户的问题。

如果您需要处理更长的上下文，我们推荐您使用 Nanbeige-16B-Base-32k 和 Nanbeige-16B-Chat-32k。

模型推理

相关依赖

• python 3.8 及以上版本
• transformers 4.33.3
• pytorch 2.0 及以上版本
• deepspeed 0.11.1 及以上版本

安装相关依赖库的命令：

pip install transformers==4.33.3 transformers_stream_generator deepspeed einops==0.3.2 datasets==2.10.0 deepspeed==0.11.1

推理代码

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
from transformers.generation.utils import GenerationConfig
import deepspeed
import os

tokenizer = AutoTokenizer.from_pretrained("Nanbeige/Nanbeige-16B-Base-32k", use_fast=False, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("Nanbeige/Nanbeige-16B-Base-32k", device_map="auto", torch_dtype=torch.bfloat16, trust_remote_code=True)
world_size = int(os.getenv('WORLD_SIZE', '1'))
model = deepspeed.init_inference(model.eval(),
                    dtype="bfloat16",
                    replace_with_kernel_inject=False,
                    mp_size=world_size)
inputs = tokenizer('中国的首都是北京\n德国的首都是柏林\n孟加拉的首都是', return_tensors='pt')
inputs = inputs.to(model.device)
pred = model.generate(**inputs, max_new_tokens=32000)
print(tokenizer.decode(pred.cpu()[0], skip_special_tokens=True))

性能测评

长文本理解

我们使用 LongBench 的 LSHT、LCC、Multifiled_QA_ZH 数据集，对 Nanbeige-16B-Base-32k 模型进行了测评，相较具有长文本理解能力的同参数规模 Base 模型取得了不错的结果。

📄 许可证

使用 Nanbeige 模型时，您必须遵守 Apache 2.0 许可证和《南北阁大语言模型许可协议》。如果您打算将 Nanbeige 模型或其衍生产品用于商业目的，请通过以下联系邮箱 nanbeige@126.com 提交申请材料，以满足《南北阁大语言模型许可协议》的要求。经过审核后，我们将授予您非排他性、全球范围内、不可转让、不可再许可、可撤销的商业版权许可。

其他信息

Discord

如需进一步支持，以及讨论这些模型和人工智能相关话题，请加入 TheBloke AI 的 Discord 服务器。

感谢与贡献

感谢 chirper.ai 团队和 gpus.llm-utils.org 的 Clay！

如果您能够且愿意贡献，将不胜感激，这将帮助我继续提供更多模型，并开展新的人工智能项目。捐赠者将在所有 AI/LLM/模型问题和请求上获得优先支持，访问私人 Discord 房间以及其他福利。

捐赠方式：

• Patreon: https://patreon.com/TheBlokeAI
• Ko-Fi: https://ko-fi.com/TheBlokeAI

特别感谢：Aemon Algiz。

Patreon 特别提及：Brandon Frisco、LangChain4j 等众多人士。

感谢所有慷慨的赞助者和捐赠者！再次感谢 a16z 的慷慨资助。

局限性

虽然我们在训练过程中非常注重模型的安全性，力求确保其输出符合伦理和法律要求的文本，但由于模型大小和概率生成范式的限制，无法完全避免产生各种不符合预期的输出情况。这些输出可能包含偏见、歧视等有害内容，请勿传播这些内容。我们不承担因传播不良信息而导致的任何后果。