lucianosb/canarim-7B-GGUF

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: