146 lines
5.6 KiB
Markdown
146 lines
5.6 KiB
Markdown
---
|
|
widget:
|
|
- text: Fibonacci Intelligence ✨
|
|
parameters:
|
|
negative_prompt: fibonacci ai
|
|
output:
|
|
url: images/IMG_20250104_152637_289-GBCTSioQi-transformed-transformed.png
|
|
license: mit
|
|
datasets:
|
|
- fibonacciai/Persian-llm-fibonacci-1-pro
|
|
language:
|
|
- en
|
|
- ar
|
|
- fa
|
|
base_model:
|
|
- fibonacciai/Persian-llm-fibonacci-1-7b-chat.P1_0
|
|
new_version: fibonacciai/fibonacci-1-EN-8b-chat.P1_5
|
|
pipeline_tag: text-generation
|
|
tags:
|
|
- text-generation-inference
|
|
- FIBONACCI
|
|
---
|
|
# Fibonacci-1-EN-8b-Chat.P1_5 Model
|
|
|
|
|
|
|
|
## Introduction
|
|
|
|
The **Fibonacci-1-EN-8b-Chat.P1_5** is a large language model (LLM) based on the LLaMA architecture, designed with 8.03 billion parameters. This model is optimized for natural language processing (NLP) tasks and textual conversations.
|
|
|
|
## Features
|
|
|
|
- **Architecture:** LLaMA
|
|
- **Number of Parameters:** 8.03 billion
|
|
- **Formats:** GGUF supporting 4-bit (Q4_K_M), 5-bit (Q5_K_M), 8-bit (Q8_0), and 16-bit (F16)
|
|
- **License:** MIT
|
|
|
|
## Applications
|
|
|
|
- **Text Generation:** Creating creative and diverse texts
|
|
- **Question Answering:** Providing accurate responses to user inquiries
|
|
- **Machine Translation:** Translating texts between different languages
|
|
- **Sentiment Analysis:** Identifying sentiments present in texts
|
|
|
|
## Usage
|
|
|
|
|
|
To use this model, you can utilize various libraries such as Hugging Face's `transformers`. Below is a sample code to load and use the model:
|
|
|
|
```python
|
|
from transformers import AutoModelForCausalLM, AutoTokenizer
|
|
|
|
tokenizer = AutoTokenizer.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
|
|
model = AutoModelForCausalLM.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
|
|
|
|
input_text = "Hello! How can I assist you today?"
|
|
inputs = tokenizer(input_text, return_tensors="pt")
|
|
outputs = model.generate(**inputs)
|
|
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
|
|
|
|
print(response)
|
|
|
|
|
|
|
|
**عربی:**
|
|
|
|
```markdown
|
|
# نموذج Fibonacci-1-EN-8b-Chat.P1_5
|
|
|
|
|
|
|
|
## المقدمة
|
|
|
|
نموذج **Fibonacci-1-EN-8b-Chat.P1_5** هو نموذج لغة كبير (LLM) يعتمد على بنية LLaMA، تم تصميمه بـ 8.03 مليار معلمة. هذا النموذج مُحسّن لمهام معالجة اللغة الطبيعية (NLP) والمحادثات النصية.
|
|
|
|
## الميزات
|
|
|
|
- **البنية:** LLaMA
|
|
- **عدد المعلمات:** 8.03 مليار
|
|
- **التنسيقات:** GGUF تدعم 4-بت (Q4_K_M)، 5-بت (Q5_K_M)، 8-بت (Q8_0)، و16-بت (F16)
|
|
- **الترخيص:** MIT
|
|
|
|
## التطبيقات
|
|
|
|
- **توليد النصوص:** إنشاء نصوص إبداعية ومتنوعة
|
|
- **الإجابة على الأسئلة:** تقديم إجابات دقيقة لاستفسارات المستخدمين
|
|
- **الترجمة الآلية:** ترجمة النصوص بين لغات مختلفة
|
|
- **تحليل المشاعر:** تحديد المشاعر الموجودة في النصوص
|
|
|
|
## كيفية الاستخدام
|
|
|
|
لاستخدام هذا النموذج، يمكنك الاستفادة من مكتبات مختلفة مثل `transformers` من Hugging Face. فيما يلي مثال لتحميل واستخدام النموذج:
|
|
|
|
```python
|
|
from transformers import AutoModelForCausalLM, AutoTokenizer
|
|
|
|
tokenizer = AutoTokenizer.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
|
|
model = AutoModelForCausalLM.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
|
|
|
|
input_text = "مرحبًا! كيف يمكنني مساعدتك اليوم؟"
|
|
inputs = tokenizer(input_text, return_tensors="pt")
|
|
outputs = model.generate(**inputs)
|
|
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
|
|
|
|
print(response)
|
|
|
|
|
|
|
|
# مدل Fibonacci-1-EN-8b-Chat.P1_5
|
|
|
|
|
|
|
|
## معرفی
|
|
|
|
مدل **Fibonacci-1-EN-8b-Chat.P1_5** یک مدل زبانی بزرگ (LLM) مبتنی بر معماری LLaMA است که با ۸٫۰۳ میلیارد پارامتر طراحی شده است. این مدل برای انجام وظایف مرتبط با پردازش زبان طبیعی (NLP) و مکالمات متنی بهینهسازی شده است.
|
|
|
|
## ویژگیها
|
|
|
|
- **معماری:** LLaMA
|
|
- **تعداد پارامترها:** ۸٫۰۳ میلیارد
|
|
- **فرمتها:** GGUF با پشتیبانی از 4-bit (Q4_K_M)، 5-bit (Q5_K_M)، 8-bit (Q8_0)، و 16-bit (F16)
|
|
- **مجوز استفاده:** MIT
|
|
|
|
## کاربردها
|
|
|
|
- **تولید متن:** ایجاد متون خلاقانه و متنوع
|
|
- **پاسخ به سؤالات:** ارائه پاسخهای دقیق به پرسشهای کاربران
|
|
- **ترجمه ماشینی:** ترجمه متون بین زبانهای مختلف
|
|
- **تحلیل احساسات:** شناسایی احساسات موجود در متون
|
|
|
|
## نحوه استفاده
|
|
|
|
برای استفاده از این مدل، میتوانید از کتابخانههای مختلفی مانند `transformers` هاگینگ فیس استفاده کنید. در زیر یک نمونه کد برای بارگذاری و استفاده از مدل آورده شده است:
|
|
|
|
```python
|
|
from transformers import AutoModelForCausalLM, AutoTokenizer
|
|
|
|
tokenizer = AutoTokenizer.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
|
|
model = AutoModelForCausalLM.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
|
|
|
|
input_text = "سلام! چطور میتوانم به شما کمک کنم؟"
|
|
inputs = tokenizer(input_text, return_tensors="pt")
|
|
outputs = model.generate(**inputs)
|
|
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
|
|
|
|
print(response) |