121 lines
6.7 KiB
Markdown
121 lines
6.7 KiB
Markdown
---
|
|
license: apache-2.0
|
|
datasets:
|
|
- cosimoiaia/Loquace-102k
|
|
language:
|
|
- it
|
|
tags:
|
|
- Italian
|
|
- Qlora
|
|
- Mistral
|
|
- finetuning
|
|
---
|
|
Model Card per Loquace-7B-Mistral (<u>Questa model card è stata tradotta automaticamente utilizzando Loquace.</u>)
|
|
|
|
# 🇮🇹 Loquace-7B-Mistral v0.1 🇮🇹
|
|
|
|
Loquace è una Intelligenza Artificiale (o un Large Language Model) che parla Italiano, addestrata per seguire istruzioni. 🇮🇹
|
|
|
|
Loquace-7B-Mistral ha alcune caratteristiche peculiari:
|
|
|
|
- È abbastanza bravo a seguire istruzioni in Italiano.
|
|
- Risponde bene al prompt-engineering.
|
|
- Funziona bene in sistemi RAG (Retrival Augmented Generation).
|
|
- È stato addestrato su dati relativamente grezzi [Loquace-102K](https://huggingface.co/datasets/cosimoiaia/Loquace-102k) usando il metodo QLoRa e Mistral-7B-Instruct come modello di base.
|
|
- L'addestramento è durato solo 4 ore su una 3090, costando leggermente più di <b>1 euro</b>! Sulle GPU di [Genesis Cloud](https://gnsiscld.co/26qhlf)
|
|
- È <b><i>Veramente Open Source</i></b>: Sia il modello che i dati e il codice con le istruzioni per replicare i risultati sono completamente disponibili.
|
|
- È stato creato in un garage del Sud Italia :-)
|
|
|
|
I modelli LLM della famiglia Loquace sono stati creati con lo scopo di democratizzare l'Intelligenza Artificiale e i Large Language Models nel panorama Italiano.
|
|
|
|
<b> Non è necessario acquistare GPU costosi, ottenere finanziamenti grandiosi o essere un'istituzione accademica elitaria, basta scaricare il codice e addestrare sui tuoi dati sul tuo PC (o sulle GPU di un provider affidabile ed economico come [Genesis Cloud](https://gnsiscld.co/26qhlf) )</b>
|
|
|
|
### Istruzioni per il Fine-tuning:
|
|
Il codice relativo al finetuning si trova su:
|
|
https://github.com/cosimoiaia/Loquace
|
|
|
|
### Versione GGUF per l'utilizzo di CPU (Senza GPU!!!):
|
|
La versione 8bit di Loquace puo essere scaricata [qui](https://huggingface.co/cosimoiaia/Loquace-7B-Mistral-GGUF)
|
|
|
|
Qui c'è una lista incompleta di programmi e librerie che sono conosciute per supportare GGUF (Grazie a [TheBloke](https://huggingface.co/TheBloke) per questa lista e per il suo fantastico lavoro):
|
|
|
|
* [llama.cpp](https://github.com/ggerganov/llama.cpp). Il progetto primario per il formato GGUF. Fornisce un'interfaccia a riga di comando e una versione server.
|
|
* [text- generation-webui](https://github.com/oobabooga/text- generation-webui), L'interfaccia web più usata, con molte funzionalità ed estensioni. Supporta anche GPU locali.
|
|
* [KoboldCpp](https://github.com/LostRuins/koboldcpp), un'interfaccia utente Web completa, con accelerazione GPU su tutte le piattaforme e architetture GPU. Particolarmente adatto per raccontare storie.
|
|
* [LM Studio](https://lmstudio.ai/), una GUI locale potente e facile da usare per Windows e macOS (Silicon), con accelerazione GPU.
|
|
* [Interfaccia utente Web di LoLLMS](https://github.com/ParisNeo/lollms-webui), una fantastica interfaccia utente Web con molte funzionalità interessanti e uniche, inclusa una libreria di modelli completa per una facile selezione del modello.
|
|
* [Faraday.dev](https://faraday.dev/), una GUI di chat basata sui caratteri attraente e facile da usare per Windows e macOS (sia Silicon che Intel), con accelerazione GPU.
|
|
* [ctransformers](https://github.com/marella/ctransformers), una libreria Python con accelerazione GPU, supporto LangChain e server AI compatibile con OpenAI.
|
|
* [llama-cpp-python](https://github.com/abetlen/llama-cpp-python), una libreria Python con accelerazione GPU, supporto LangChain e server API compatibile con OpenAI.
|
|
* [candle](https://github.com/huggingface/candle), un framework Rust ML incentrato sulle prestazioni, incluso il supporto GPU e sulla facilità d'uso.
|
|
|
|
#### Previous releases of the Loquace family:
|
|
|
|
La Famiglia di Modelli Loquace è nata agli inizi del 2023 con lo scopo di provare che è possibile addestrare un LLM in una lingua diversa da quella del modello di base.
|
|
Potete trovare gli altri modelli qui:
|
|
|
|
- https://huggingface.co/cosimoiaia/Loquace-70m - Based on pythia-70m
|
|
- https://huggingface.co/cosimoiaia/Loquace-410m - Based on pythia-410m
|
|
- https://huggingface.co/cosimoiaia/Loquace-7B - Based on Falcon-7B
|
|
- https://huggingface.co/cosimoiaia/Loquace-12B - Based on pythia-12B
|
|
- https://huggingface.co/cosimoiaia/Loquace-20B - Based on gpt-neox-20B
|
|
|
|
|
|
Questi modelli, seppur non producono risultati accettabili, sono la prova di quanto sia possibile effettuare il finetuning di un LLM in poco tempo, con dati relativamente grezzi e risorse veramente ridotte.
|
|
|
|
## Utilizzo:
|
|
|
|
```python
|
|
from transformers import MistralForCausalLM, AutoTokenizer
|
|
|
|
|
|
def generate_prompt(instruction):
|
|
prompt = f"""### Instruction: {instruction}
|
|
|
|
### Response:
|
|
"""
|
|
return prompt
|
|
|
|
model_name = "cosimoiaia/Loquace-7B-Mistral"
|
|
|
|
model = MistralForCausalLM.from_pretrained(
|
|
model_name,
|
|
device_map="auto",
|
|
torch_dtype=torch.bfloat16
|
|
)
|
|
|
|
model.config.use_cache = True
|
|
|
|
|
|
tokenizer = AutoTokenizer.from_pretrained(model_name, add_eos_token=False)
|
|
|
|
prompt = generate_prompt("Chi era Dante Alighieri?")
|
|
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
|
|
|
|
outputs = model.generate(**inputs, do_sample = True, num_beams = 2, top_k=50, top_p= 0.95, max_new_tokens=2046, early_stopping = True)
|
|
print(tokenizer.decode(outputs[0], skip_special_tokens=True).split("Response:")[1].strip())
|
|
```
|
|
|
|
## Esempi di risposta:
|
|
```
|
|
> Pretendi di essere Dante Alighieri e raccontami la tua vita.
|
|
Sono Dante Alighieri, un poeta e scrittore italiano del XIV secolo. Nacqui a Firenze nel 1265 e ho trascorso gran parte della mia vita viaggiando in Europa e scrivendo poesie. Ho anche scritto la Divina Commedia, una delle opere letterarie più famose di tutti i tempi.
|
|
|
|
> Quanto fa 7 x 14 - 98 ?
|
|
7 x 14 = 98, quindi la risposta è 0.
|
|
|
|
> La radice quadrata di 144 ?
|
|
La radice quadrata di 144 è 12.
|
|
|
|
> Inventa una ricetta pugliese con la polenta.
|
|
La ricetta è chiamata "Polenta al burro di arachidi e formaggio". Per prepararla, inizia bollendo la polenta secondo le istruzioni sulla confezione. Mentre la polenta si cucina, mescola insieme 1/2 tazza di burro di arachidi, 1/4 di tazza di formaggio grattugiato e 1/4 di tazza di parmigiano grattugiato. Una volta che la polenta è cotta, versala su una teglia da forno e distribuire il composto di burro di arachidi e formaggio sopra la polenta. Metti in forno a 350 gradi per 15 minuti o fino a quando la parte superiore è dorata. Servi caldo con un'insalata di pomodoro e basilico fresco.
|
|
```
|
|
|
|
## Limitazioni:
|
|
|
|
- Loquace-7B potrebbe non gestire bene query complesse o sfumate e potrebbe avere problemi con input ambigui o mal formattati.
|
|
- Il modello può generare risposte di fatto errate o prive di senso. Dovrebbe essere usato con cautela e gli output dovrebbero essere attentamente verificati.
|
|
|
|
## Autore:
|
|
Cosimo Iaia <cosimo.iaia@gmail.com>
|