language:

• 代码 license: llama2 tags:

• llama-2 model_name: CodeLlama 34B 指导版 base_model: codellama/CodeLlama-34b-instruct-hf inference: false model_creator: Meta model_type: llama pipeline_tag: 文本生成 prompt_template: '[INST] 编写代码解决以下编程问题，确保遵守约束条件并通过示例测试用例。请用```包裹你的代码答案：

  {prompt}

  [/INST]

  ' quantized_by: TheBloke

CodeLlama 34B 指导版 - GGUF

• 模型创建者: Meta
• 原始模型: CodeLlama 34B 指导版

描述

此仓库包含Meta的CodeLlama 34B 指导版的GGUF格式模型文件。

关于GGUF

GGUF是由llama.cpp团队于2023年8月21日引入的新格式。它是GGML的替代品，后者不再受llama.cpp支持。GGUF相比GGML具有诸多优势，如更好的分词、支持特殊标记。它还支持元数据，并设计为可扩展的。

以下是已知支持GGUF的客户端和库的不完整列表：

• 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，支持所有平台和GPU架构的加速。特别适合故事讲述。
• LM Studio，Windows和macOS（Silicon）上易于使用且强大的本地GUI，支持GPU加速。
• LoLLMS Web UI，一个优秀的Web UI，具有许多有趣且独特的功能，包括完整的模型库以便轻松选择模型。
• 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。
• ctransformers，一个带有GPU加速的Python库，支持LangChain和OpenAI兼容的AI服务器。
• llama-cpp-python，一个带有GPU加速的Python库，支持LangChain和OpenAI兼容的API服务器。
• 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AWQ模型
• 用于GPU推理的GPTQ模型，具有多种量化参数选项
• 用于CPU+GPU推理的2、3、4、5、6和8位GGUF模型
• Meta的原始未量化fp16模型，以pytorch格式提供，用于GPU推理和进一步转换

提示模板：CodeLlama

[INST] 编写代码解决以下编程问题，确保遵守约束条件并通过示例测试用例。请用```包裹你的代码答案：
{prompt}
[/INST]

兼容性

这些量化的GGUFv2文件与2023年8月27日及之后的llama.cpp兼容，提交号为d0cee0d36d5be95a0d9088b674dbb27354107221

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

提供文件

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

如何下载GGUF文件

手动下载者注意：你几乎不需要克隆整个仓库！提供了多种不同的量化格式，大多数用户只需选择并下载单个文件。

以下客户端/库将自动为你下载模型，提供可供选择的模型列表：

• LM Studio
• LoLLMS Web UI
• Faraday.dev

在text-generation-webui中

在下载模型下，你可以输入模型仓库：TheBloke/CodeLlama-34B-Instruct-GGUF，并在下面输入要下载的特定文件名，例如：codellama-34b-instruct.q4_K_M.gguf。

然后点击下载。

在命令行中，包括同时下载多个文件

我推荐使用huggingface-hub Python库：

pip3 install huggingface-hub>=0.17.1

然后你可以将任何单个模型文件下载到当前目录，高速下载，使用如下命令：

huggingface-cli download TheBloke/CodeLlama-34B-Instruct-GGUF codellama-34b-instruct.q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download TheBloke/CodeLlama-34B-Instruct-GGUF --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

pip3 install hf_transfer

HUGGINGFACE_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download TheBloke/CodeLlama-34B-Instruct-GGUF codellama-34b-instruct.q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

示例llama.cpp命令

确保你使用的是提交号为d0cee0d36d5be95a0d9088b674dbb27354107221或之后的llama.cpp。

./main -ngl 32 -m codellama-34b-instruct.q4_K_M.gguf --color -c 4096 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "[INST] 编写代码解决以下编程问题，确保遵守约束条件并通过示例测试用例。请用```包裹你的代码答案：\n{prompt}\n[/INST]"

将-ngl 32更改为要卸载到GPU的层数。如果没有GPU加速，请移除它。

将-c 4096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缩放参数从GGUF文件中读取并由llama.cpp自动设置。

如果你想进行聊天式对话，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

更多说明在此：text-generation-webui/docs/llama.cpp.md。

如何从Python代码运行

你可以使用llama-cpp-python或ctransformers库从Python中使用GGUF模型。

如何使用ctransformers从Python加载此模型

首先安装包

# 基础ctransformers，无GPU加速
pip install ctransformers>=0.2.24
# 或带CUDA GPU加速
pip install ctransformers[cuda]>=0.2.24
# 或带ROCm GPU加速
CT_HIPBLAS=1 pip install ctransformers>=0.2.24 --no-binary ctransformers
# 或带Metal GPU加速的macOS系统
CT_METAL=1 pip install ctransformers>=0.2.24 --no-binary ctransformers

加载这些GGUF模型之一的简单示例代码

from ctransformers import AutoModelForCausalLM

# 将gpu_layers设置为要卸载到GPU的层数。如果系统上没有