Universal NER UniNER 7B All Bnb 4bit Smashed

🚀 Pruna AI：讓AI模型更經濟、更小、更快、更環保！

Pruna AI致力於讓AI模型在成本、體積、速度和環保性上達到最優。通過獨特的技術，能夠有效壓縮模型，降低能耗，提升運行效率。

社交鏈接

項目呼籲與引導

• 如果你喜歡這個模型，請點贊！
• 點擊此處聯繫我們，告訴我們接下來要壓縮哪個模型。
• 點擊此處申請訪問權限，輕鬆壓縮你自己的AI模型。
• 點擊此處閱讀文檔以瞭解更多信息。
• 點擊此處加入Pruna AI的Discord社區，分享反饋、建議或獲取幫助。

🚀 快速開始

結果展示

常見問題解答

• 壓縮是如何工作的？：模型使用llm - int8進行壓縮。
• 模型質量會有怎樣的變化？：與基礎模型相比，模型輸出的質量可能會有所不同。
• 如何評估模型效率？：這些結果是在NVIDIA A100 - PCIE - 40GB上，按照model/smash_config.json中描述的配置獲得的，並且是在硬件預熱後得到的。壓縮後的模型直接與原始基礎模型進行比較。在其他設置（如其他硬件、圖像大小、批量大小等）下，效率結果可能會有所不同。我們建議在實際用例條件下直接運行，以確定壓縮後的模型是否對你有益。
• 模型格式是什麼？：我們使用safetensors。
• 使用了什麼校準數據？：如果壓縮方法需要，我們使用WikiText作為校準數據。
• Pruna Huggingface模型的命名約定是什麼？：如果壓縮後的模型在推理速度、推理內存或推理能耗方面低於原始基礎模型的90%，我們會在原始模型名稱後加上“turbo”、“tiny”或“green”。
• 如何壓縮我自己的模型？：你可以點擊此處申請高級訪問權限，以獲取更多壓縮方法和針對你特定用例的技術支持。
• “first”指標是什麼？：提到“first”的結果是在模型首次運行後獲得的。由於cuda開銷，首次運行可能比後續運行佔用更多內存或更慢。
• “Sync”和“Async”指標是什麼？：“Sync”指標是通過同步所有GPU進程並在所有進程執行完畢後停止測量獲得的。“Async”指標是在不同步所有GPU進程的情況下，在模型輸出可供CPU使用時停止測量獲得的。由於這兩種指標在不同用例中都可能相關，我們同時提供這兩種指標。我們建議在你的用例中直接測試效率提升情況。

📦 安裝指南

你可以按照以下步驟運行壓縮後的模型： 0. 檢查原始倉庫Universal - NER/UniNER - 7B - all中的依賴項是否已安裝。特別要檢查Python、CUDA和transformers的版本。

1. 確保你已經安裝了與量化相關的包：

pip install transformers accelerate bitsandbytes>0.37.0

2. 加載並運行模型：

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("PrunaAI/Universal-NER-UniNER-7B-all-bnb-4bit-smashed",
                                             trust_remote_code=True, device_map='auto')
tokenizer = AutoTokenizer.from_pretrained("Universal-NER/UniNER-7B-all")

input_ids = tokenizer("What is the color of prunes?,", return_tensors='pt').to(model.device)["input_ids"]

outputs = model.generate(input_ids, max_new_tokens=216)
tokenizer.decode(outputs[0])

📚 詳細文檔

配置信息

配置信息位於smash_config.json中。

📄 許可證

壓縮後模型的許可證遵循原始模型的許可證。在使用此模型（其基礎模型來自Universal - NER/UniNER - 7B - all）之前，請檢查原始模型的許可證。pruna - engine的許可證可在Pypi上查看。

想壓縮其他模型？

• 點擊此處聯繫我們，告訴我們接下來要壓縮哪個模型。
• 點擊此處申請訪問權限，輕鬆壓縮你自己的AI模型。