Wizardlm 2 7B GGUF

🚀 [MaziyarPanahi/WizardLM-2-7B-GGUF]

[MaziyarPanahi/WizardLM-2-7B-GGUF] 項目提供了 [microsoft/WizardLM-2-7B] 的 GGUF 格式模型文件，可用於文本生成任務，具有多語言支持和良好的性能表現。

🚀 快速開始

本項目包含了 [microsoft/WizardLM-2-7B] 的 GGUF 格式模型文件。以下是使用該模型的一些基本信息和步驟：

模型信息

提示模板

{system_prompt}
USER: {prompt}
ASSISTANT: </s>

或者

A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, 
detailed, and polite answers to the user's questions. USER: Hi ASSISTANT: Hello.</s>
USER: {prompt} ASSISTANT: </s>......

以上模板取自原始 README。

推理示例腳本

我們在 GitHub 上提供了一個 WizardLM-2 推理演示 代碼。

✨ 主要特性

模型能力

MT-Bench

我們採用了 lmsys 提出的基於 GPT-4 的自動 MT-Bench 評估框架來評估模型性能。WizardLM-2 8x22B 與最先進的專有模型相比，表現出極具競爭力的性能。同時，WizardLM-2 7B 和 WizardLM-2 70B 在 7B 到 70B 模型規模的其他領先基線模型中，均為表現最佳的模型。

人工偏好評估

我們精心收集了一組複雜且具有挑戰性的真實世界指令集，其中包括人類的主要需求，如寫作、編碼、數學、推理、代理和多語言。我們報告了無平局的勝負率：

• WizardLM-2 8x22B 僅略遜於 GPT-4-1106-preview，顯著強於 Command R Plus 和 GPT4-0314。
• WizardLM-2 70B 優於 GPT4-0613、Mistral-Large 和 Qwen1.5-72B-Chat。
• WizardLM-2 7B 與 Qwen1.5-32B-Chat 性能相當，且超越了 Qwen1.5-14B-Chat 和 Starling-LM-7B-beta。

方法概述

我們構建了一個 完全由人工智能驅動的合成訓練系統 來訓練 WizardLM-2 模型。有關該系統的更多詳細信息，請參閱我們的 博客。

📦 安裝指南

關於 GGUF

GGUF 是 llama.cpp 團隊在 2023 年 8 月 21 日推出的一種新格式，它取代了不再受 llama.cpp 支持的 GGML。

以下是已知支持 GGUF 的客戶端和庫的不完全列表：

• llama.cpp。GGUF 的源項目，提供 CLI 和服務器選項。
• text-generation-webui，最廣泛使用的 Web UI，具有許多功能和強大的擴展，支持 GPU 加速。
• KoboldCpp，一個功能齊全的 Web UI，支持所有平臺和 GPU 架構的 GPU 加速，特別適合講故事。
• GPT4All，一個免費開源的本地運行 GUI，支持 Windows、Linux 和 macOS，具有全 GPU 加速。
• LM Studio，一個易於使用且功能強大的本地 GUI，適用於 Windows 和 macOS（Silicon），支持 GPU 加速，截至 2023 年 11 月 27 日，Linux 版本處於測試階段。
• LoLLMS Web UI，一個很棒的 Web UI，具有許多有趣和獨特的功能，包括一個完整的模型庫，便於模型選擇。
• Faraday.dev，一個有吸引力且易於使用的基於角色的聊天 GUI，適用於 Windows 和 macOS（Silicon 和 Intel），支持 GPU 加速。
• llama-cpp-python，一個支持 GPU 加速、LangChain 支持和 OpenAI 兼容 API 服務器的 Python 庫。
• candle，一個專注於性能的 Rust ML 框架，包括 GPU 支持和易用性。
• ctransformers，一個支持 GPU 加速、LangChain 支持和 OpenAI 兼容 AI 服務器的 Python 庫。請注意，截至 2023 年 11 月 27 日，ctransformers 已有很長時間未更新，不支持許多近期的模型。

量化方法說明

pip3 install huggingface-hub

huggingface-cli download MaziyarPanahi/WizardLM-2-7B-GGUF WizardLM-2-7B.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download [MaziyarPanahi/WizardLM-2-7B-GGUF](https://huggingface.co/MaziyarPanahi/WizardLM-2-7B-GGUF) --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

pip3 install hf_transfer

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download MaziyarPanahi/WizardLM-2-7B-GGUF WizardLM-2-7B.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

💻 使用示例

基礎用法

./main -ngl 35 -m WizardLM-2-7B.Q4_K_M.gguf --color -c 32768 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant"

說明：

• 將 -ngl 32 更改為要卸載到 GPU 的層數。如果你沒有 GPU 加速，請刪除該參數。
• 將 -c 32768 更改為所需的序列長度。對於擴展序列模型（如 8K、16K、32K），必要的 RoPE 縮放參數將從 GGUF 文件中讀取，並由 llama.cpp 自動設置。請注意，更長的序列長度需要更多的資源，因此你可能需要減小該值。
• 如果你想進行聊天式對話，請將 -p <PROMPT> 參數替換為 -i -ins。
• 有關其他參數及其用法，請參閱 llama.cpp 文檔。

高級用法

在 text-generation-webui 中運行

更多說明可在 text-generation-webui 文檔中找到，地址為：text-generation-webui/docs/04 ‐ Model Tab.md。

從 Python 代碼運行

你可以使用 llama-cpp-python 或 ctransformers 庫從 Python 中使用 GGUF 模型。請注意，截至 2023 年 11 月 27 日，ctransformers 已有很長時間未更新，不兼容一些近期的模型。因此，我建議你使用 llama-cpp-python。

如何在 Python 代碼中加載此模型，使用 llama-cpp-python

首先安裝包：

# 無 GPU 加速的基礎 ctransformers
pip install llama-cpp-python
# 支持 NVidia CUDA 加速
CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python
# 支持 OpenBLAS 加速
CMAKE_ARGS="-DLLAMA_BLAS=ON -DLLAMA_BLAS_VENDOR=OpenBLAS" pip install llama-cpp-python
# 支持 CLBLast 加速
CMAKE_ARGS="-DLLAMA_CLBLAST=on" pip install llama-cpp-python
# 支持 AMD ROCm GPU 加速（僅適用於 Linux）
CMAKE_ARGS="-DLLAMA_HIPBLAS=on" pip install llama-cpp-python
# 支持 macOS 系統的 Metal GPU 加速
CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python

# 在 Windows 中，在 PowerShell 中設置變量 CMAKE_ARGS，例如對於 NVidia CUDA：
$env:CMAKE_ARGS = "-DLLAMA_OPENBLAS=on"
pip install llama-cpp-python

簡單的 llama-cpp-python 示例代碼

from llama_cpp import Llama

# 將 gpu_layers 設置為要卸載到 GPU 的層數。如果你的系統沒有 GPU 加速，請將其設置為 0。
llm = Llama(
  model_path="./WizardLM-2-7B.Q4_K_M.gguf",  # 首先下載模型文件
  n_ctx=32768,  # 要使用的最大序列長度 - 請注意，更長的序列長度需要更多的資源
  n_threads=8,            # 要使用的 CPU 線程數，根據你的系統和性能進行調整
  n_gpu_layers=35         # 要卸載到 GPU 的層數，如果你有 GPU 加速可用
)

# 簡單推理示例
output = llm(
  "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant", # 提示
  max_tokens=512,  # 生成最多 512 個令牌
  stop=["</s>"],   # 示例停止令牌 - 不一定適用於此特定模型！請在使用前檢查。
  echo=True        # 是否回顯提示
)

# 聊天完成 API

llm = Llama(model_path="./WizardLM-2-7B.Q4_K_M.gguf", chat_format="llama-2")  # 根據你使用的模型設置 chat_format
llm.create_chat_completion(
    messages = [
        {"role": "system", "content": "You are a story writing assistant."},
        {
            "role": "user",
            "content": "Write a story about llamas."
        }
    ]
)

如何與 LangChain 一起使用

以下是使用 llama-cpp-python 和 ctransformers 與 LangChain 的指南：

• LangChain + llama-cpp-python
• LangChain + ctransformers

📚 詳細文檔

模型系統提示使用說明

❗重要提示

WizardLM-2 採用了 Vicuna 的提示格式，並支持 多輪 對話。提示應如下所示：

A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, 
detailed, and polite answers to the user's questions. USER: Hi ASSISTANT: Hello.</s>
USER: Who are you? ASSISTANT: I am WizardLM.</s>......

新聞 🔥🔥🔥 [2024/04/15]

我們推出並開源了 WizardLM-2，這是我們的下一代先進大語言模型，在複雜聊天、多語言、推理和代理方面都有改進。新系列包括三個前沿模型：WizardLM-2 8x22B、WizardLM-2 70B 和 WizardLM-2 7B。

• WizardLM-2 8x22B 是我們最先進的模型，與那些領先的專有模型相比，表現出極具競爭力的性能，並且始終優於所有現有的先進開源模型。
• WizardLM-2 70B 達到了頂級推理能力，是相同規模下的首選。
• WizardLM-2 7B 是最快的模型，並且與現有的 10 倍大的開源領先模型相比，性能相當。

有關 WizardLM-2 的更多詳細信息，請閱讀我們的 發佈博客文章 和即將發佈的論文。

🔧 技術細節

本項目構建了一個 完全由人工智能驅動的合成訓練系統 來訓練 WizardLM-2 模型，採用了特定的量化方法（如 GGML_TYPE_Q2_K、GGML_TYPE_Q3_K 等）對模型進行處理，以提高模型的性能和效率。同時，在推理過程中，根據不同的硬件環境（如是否有 GPU 加速）和任務需求（如序列長度、對話模式等），可以調整相應的參數。

📄 許可證

本項目採用 Apache2.0 許可證。

🏠 WizardLM-2 Release Blog

🤗 HF Repo •🐱 Github Repo • 🐦 Twitter • 📃 [WizardLM] • 📃 [WizardCoder] • 📃 [WizardMath]

👋 加入我們的 Discord