Nomic Ai Gpt4all Falcon Gguf

🚀 gpt4all-falcon - GGUF

このモデルの説明を常に改善し、最も関連性が高く包括的な情報を提供しています。

🚀 クイックスタート

このセクションでは、gpt4all-falcon - GGUF モデルの基本的な使い方や関連情報を紹介します。

✨ 主な機能

K-Quants in Falcon 7b models

Llama.cppの新しいリリースでは、以前は互換性のなかったモデル、特にすべてのFalcon 7Bモデル（Falcon 40bは常にK-Quantisationと完全に互換性があります）に対してK量子化がサポートされるようになりました。これは、実際のK量子化で量子化できないモデル層に対してフォールバックソリューションを採用することで実現されています。

Falcon 7Bモデルの場合、真のK量子化で量子化できるのは層の4分の1だけですが、このアプローチでは、異なる レガシー量子化タイプであるQ4_0、Q4_1、Q5_0、およびQ5_1を利用することで恩恵を受けます。その結果、同じファイルサイズでより高い品質を提供するか、同等のパフォーマンスでより小さいファイルサイズを実現します。

したがって、このソリューションは、レガシーのQ4_0、Q4_1、Q5_0およびQ5_1量子化よりもパフォーマンスと効率が向上します。

About GGUF format

gguf は、ggml ライブラリで現在使用されているファイル形式です。 この形式を使用するソフトウェアが増えており、このモデルを使用することができます。 ggmlライブラリを利用している核心プロジェクトは、Georgi Gerganovによる llama.cpp プロジェクトです。

Quantization variants

特定のニーズに合わせた多数の量子化ファイルが用意されています。以下に、最適なオプションを選ぶ方法を説明します。

Legacy quants

Q4_0、Q4_1、Q5_0、Q5_1およびQ8は レガシー 量子化タイプです。 ただし、いくつかの状況では、特定のモデルが最新のK量子化と互換性がないため、これらの量子化タイプは完全にサポートされています。

注意:

現在、以前は「互換性がない」とされていたモデルでもK量子化を使用する新しいオプションがありますが、これにはいくつかのフォールバックソリューションが含まれており、それらは 真の K量子化ではありません。詳細は、影響を受けるモデルの説明を参照してください。 （これは主にFalcon 7bおよびStarcoderモデルに関係します）

K-quants

K量子化は、モデルの特定の部分で異なるレベルの量子化を行うことで、パフォーマンス、ファイルサイズ、およびメモリ負荷を最適化することを目的として設計されています。 できるだけK量子化を使用することをお勧めします。 Q6_Kを使用すると、元のモデルとの品質の違いを見分けるのが難しい場合があります - 同じ質問をモデルに2回投げかけると、品質の差がより大きくなることがあります。

📦 インストール

特定のリビジョンのモデルをダウンロードするには、以下のコードを実行します。

from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("nomic-ai/gpt4all-falcon", trust_remote_code=True)

revision を指定せずにダウンロードすると、デフォルトで main/v1.0 が選択されます。

💻 使用例

基本的な使用法

from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("nomic-ai/gpt4all-falcon", trust_remote_code=True)

高度な使用法

Cudaを使用して推論を行うには、以下のコードを実行します。

from transformers import AutoTokenizer, pipeline
import transformers
import torch

tokenizer = AutoTokenizer.from_pretrained(model_path, use_fast=False)
model.to("cuda:0")

prompt = "Describe a painting of a falcon in a very detailed way." # これをあなたのプロンプトに変更してください
prompt_template = f"### Instruction: {prompt}\n### Response:"

tokens = tokenizer(prompt_template, return_tensors="pt").input_ids.to("cuda:0")
output = model.generate(input_ids=tokens, max_new_tokens=256, do_sample=True, temperature=0.8)

# 生成されたテキストを印刷する
print(tokenizer.decode(output[0]))

📚 ドキュメント

モデルの詳細

このモデルは、Falcon からファインチューニングされたものです。

モデルのソース

• リポジトリ：https://github.com/nomic-ai/gpt4all
• ベースモデルのリポジトリ：https://huggingface.co/tiiuae/falcon-7b
• デモ：https://gpt4all.io/

トレーニング手順

GPT4Allは、コンピューティングパートナーの Paperspace によって可能になっています。 8台のA100 80GB GPUを搭載したDGXクラスターで約12時間トレーニングされました。Deepspeed + Accelerateを使用し、グローバルバッチサイズは256、学習率は2e-5です。詳細な情報はリポジトリを参照してください。

結果

一般常識推論ベンチマークの結果は以下の通りです。

| モデル                     |  BoolQ   |   PIQA   | HellaSwag | WinoGrande |  ARC-e   |  ARC-c   |   OBQA   |   平均   |
|:--------------------------|:--------:|:--------:|:---------:|:----------:|:--------:|:--------:|:--------:|:--------:|
| GPT4All-J 6B v1.0         |   73.4   |   74.8   |   63.4    |    64.7    |   54.9   |   36.0   |   40.2   |   58.2   |
| GPT4All-J v1.1-breezy     |   74.0   |   75.1   |   63.2    |    63.6    |   55.4   |   34.9   |   38.4   |   57.8   |
| GPT4All-J v1.2-jazzy      |   74.8   |   74.9   |   63.6    |    63.8    |   56.6   |   35.3   |   41.0   |   58.6   |
| GPT4All-J v1.3-groovy     |   73.6   |   74.3   |   63.8    |    63.5    |   57.7   |   35.0   |   38.8   |   58.1   |
| GPT4All-J Lora 6B         |   68.6   |   75.8   |   66.2    |    63.5    |   56.4   |   35.7   |   40.2   |   58.1   |
| GPT4All LLaMa Lora 7B     |   73.1   |   77.6   |   72.1    |    67.8    |   51.1   |   40.4   |   40.2   |   60.3   |
| GPT4All 13B snoozy        | **83.3** |   79.2   |   75.0    |  **71.3**  |   60.9   |   44.2   |   43.4   |   65.3   |
| GPT4All Falcon            |   77.6   |   79.8   |   74.9    |    70.1    |   67.9   |   43.4   |   42.6   |   65.2   |
| Dolly 6B                  |   68.8   |   77.3   |   67.6    |    63.9    |   62.9   |   38.7   |   41.2   |   60.1   |
| Dolly 12B                 |   56.7   |   75.4   |   71.0    |    62.2    |   64.6   |   38.5   |   40.4   |   58.4   |
| Alpaca 7B                 |   73.9   |   77.2   |   73.9    |    66.1    |   59.8   |   43.3   |   43.4   |   62.4   |
| Alpaca Lora 7B            |   74.3   |   79.3   |   74.0    |    68.8    |   56.6   |   43.9   |   42.6   |   62.8   |
| GPT-J 6.7B                |   65.4   |   76.2   |   66.2    |    64.1    |   62.2   |   36.6   |   38.2   |   58.4   |
| LLama 7B                  |   73.1   |   77.4   |   73.0    |    66.9    |   52.5   |   41.4   |   42.4   |   61.0   |
| LLama 13B                 |   68.5   |   79.1   |   76.2    |    70.1    |   60.0   | **44.6** |   42.2   |   63.0   |
| Pythia 6.7B               |   63.5   |   76.3   |   64.0    |    61.1    |   61.3   |   35.2   |   37.2   |   57.0   |
| Pythia 12B                |   67.7   |   76.6   |   67.3    |    63.8    |   63.9   |   34.8   |    38    |   58.9   |
| Fastchat T5               |   81.5   |   64.6   |   46.3    |    61.8    |   49.3   |   33.3   |   39.4   |   53.7   |
| Fastchat Vicuña 7B        |   76.6   |   77.2   |   70.7    |    67.3    |   53.5   |   41.2   |   40.8   |   61.0   |
| Fastchat Vicuña 13B       |   81.5   |   76.8   |   73.3    |    66.7    |   57.4   |   42.7   |   43.6   |   63.1   |
| StableVicuña RLHF         |   82.3   |   78.6   |   74.1    |    70.9    |   61.0   |   43.5   | **44.4** |   65.0   |
| StableLM Tuned            |   62.5   |   71.2   |   53.6    |    54.8    |   52.4   |   31.1   |   33.4   |   51.3   |
| StableLM Base             |   60.1   |   67.4   |   41.2    |    50.1    |   44.9   |   27.0   |   32.0   |   42.2   |
| Koala 13B                 |   76.5   |   77.9   |   72.6    |    68.8    |   54.3   |   41.0   |   42.8   |   62.0   |
| Open Assistant Pythia 12B |   67.9   |   78.0   |   68.1    |    65.0    |   64.2   |   40.4   |   43.2   |   61.0   |
| Mosaic MPT7B              |   74.8   |   79.3   |   76.3    |    68.6    |   70.0   |   42.2   |   42.6   |   64.8   |
| Mosaic mpt-instruct       |   74.3   |   80.4   | **77.2**  |    67.8    | **72.2** | **44.6** |   43.0   | **65.6** |
| Mosaic mpt-chat           |   77.1   |   78.2   |   74.5    |    67.5    |   69.4   |   43.3   |   44.2   |   64.9   |
| Wizard 7B                 |   78.4   |   77.2   |   69.9    |    66.5    |   56.8   |   40.5   |   42.6   |   61.7   |
| Wizard 7B Uncensored      |   77.7   |   74.2   |   68.0    |    65.2    |   53.5   |   38.7   |   41.6   |   59.8   |
| Wizard 13B Uncensored     |   78.4   |   75.5   |   72.1    |    69.5    |   57.5   |   40.4   |   44.0   |   62.5   |
| GPT4-x-Vicuna-13b         |   81.3   |   75.0   |   75.2    |    65.0    |   58.7   |   43.9   |   43.6   |   62.2   |
| Falcon 7b                 |   73.6   | **80.7** |   76.3    |    67.3    |   71.0   |   43.3   |   44.4   |   65.2   |   
| text-davinci-003          |   88.1   |   83.8   |   83.4    |    75.8    |   83.9   |   63.9   |   51.0   |   75.7   |

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。

支援のお願い

近日公開予定：私は現在、自分の仕事に対するスポンサーシップ/クラウドファンディングキャンペーンを立ち上げる作業を行っています。Kickstarter、Patreon、または新しいGitHub Sponsorsプラットフォームを検討しており、このようなモデルの継続的な利用可能性に対する支援と貢献を期待しています。あなたの支援により、さらに価値のあるリソースを提供し、あなたが依存しているモデルを維持することができます。このページをコミュニティにとってさらに価値のあるリソースにするために努力している間、あなたの忍耐と継続的な支援に心から感謝しています。