Tinyllama 1.1B Chat V0.6

🚀 TinyLlama-1.1B

TinyLlama项目旨在预训练一个在3万亿个标记上训练的11亿参数的Llama模型。通过适当的优化，使用16块A100 - 40G GPU，我们可以在“仅”90天内完成这一目标🚀🚀。训练已于2023年9月1日启动。该模型采用了与Llama 2完全相同的架构和分词器，这意味着TinyLlama可以无缝集成到许多基于Llama构建的开源项目中。此外，TinyLlama仅拥有11亿参数，体积小巧，能够满足许多对计算和内存要求有限的应用场景。

🚀 快速开始

你可以参考以下步骤快速开始使用TinyLlama-1.1B：

1. 确保你安装了 transformers>=4.34。
2. 更多详细信息请查看 TinyLlama 的GitHub页面。

✨ 主要特性

• 预训练目标明确：致力于在3万亿个标记上预训练11亿参数的Llama模型。
• 架构兼容性强：采用与Llama 2相同的架构和分词器，便于集成到基于Llama的开源项目中。
• 模型体积小巧：仅11亿参数，适合对计算和内存要求有限的应用。

📦 安装指南

你需要安装 transformers 和 accelerate 库，可参考以下命令：

# 仅在版本 <= v4.34 时需要从源代码安装 transformers
# pip install git+https://github.com/huggingface/transformers.git
pip install accelerate

💻 使用示例

基础用法

# Install transformers from source - only needed for versions <= v4.34
# pip install git+https://github.com/huggingface/transformers.git
# pip install accelerate

import torch
from transformers import pipeline

pipe = pipeline("text-generation", model="TinyLlama/TinyLlama-1.1B-Chat-v0.6", torch_dtype=torch.bfloat16, device_map="auto")

# We use the tokenizer's chat template to format each message - see https://huggingface.co/docs/transformers/main/en/chat_templating
messages = [
    {
        "role": "system",
        "content": "You are a friendly chatbot who always responds in the style of a pirate",
    },
    {"role": "user", "content": "How many helicopters can a human eat in one sitting?"},
]
prompt = pipe.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
outputs = pipe(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])
# <|system|>
# You are a friendly chatbot who always responds in the style of a pirate.</s>
# <|user|>
# How many helicopters can a human eat in one sitting?</s>
# <|assistant|>
# ...

📚 详细文档

模型信息

本模型是在 TinyLlama/TinyLlama-1.1B-intermediate-step-955k-2T 基础上微调得到的聊天模型。

• 训练方法：遵循 HF's Zephyr 的训练方案。
• 数据集使用：
  • 首先在 UltraChat 数据集的一个变体上进行初步微调，该数据集包含ChatGPT生成的各种合成对话。
  • 然后使用 🤗 TRL's 的 DPOTrainer 在 openbmb/UltraFeedback 数据集上进一步对齐，该数据集包含64k个由GPT - 4排名的提示和模型完成内容。

依赖要求

你需要 transformers>=4.34 版本。

📄 许可证

本项目采用Apache - 2.0许可证。

📦 训练数据集