Dr Samantha 7B GGUF

🚀 Dr Samantha 7B - GGUF

Dr Samantha 7B - GGUF 是一個醫學領域的語言模型，它結合了醫學知識和哲學、心理等方面的理解，能夠為用戶提供醫療諮詢和個人輔導服務。

🚀 快速開始

下載 GGUF 文件

• 自動下載：LM Studio、LoLLMS Web UI、Faraday.dev 等客戶端/庫會自動下載模型，並提供可用模型列表供您選擇。
• 在 text-generation-webui 中下載：在“Download Model”下，輸入模型倉庫地址 TheBloke/Dr_Samantha-7B-GGUF，並在下方輸入要下載的具體文件名，如 dr_samantha-7b.Q4_K_M.gguf，然後點擊“Download”。
• 命令行下載：推薦使用 huggingface-hub Python 庫。首先安裝：

pip3 install huggingface-hub

然後使用以下命令下載單個模型文件到當前目錄：

huggingface-cli download TheBloke/Dr_Samantha-7B-GGUF dr_samantha-7b.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

運行模型

在 llama.cpp 中運行

確保使用的是 d0cee0d 或更新版本的 llama.cpp。示例命令如下：

./main -ngl 35 -m dr_samantha-7b.Q4_K_M.gguf --color -c 2048 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "Below is an instruction that describes a task. Write a response that appropriately completes the request.\n\n### Instruction:\n{prompt}\n\n### Response:"

• -ngl 32：要卸載到 GPU 的層數。如果沒有 GPU 加速，請移除該參數。
• -c 2048：所需的序列長度。對於擴展序列模型（如 8K、16K、32K），必要的 RoPE 縮放參數會從 GGUF 文件中讀取並由 llama.cpp 自動設置。注意，更長的序列長度需要更多資源，因此可能需要減小該值。
• 如果想進行聊天式對話，將 -p <PROMPT> 參數替換為 -i -ins。

在 text-generation-webui 中運行

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

從 Python 代碼運行

可以使用 llama-cpp-python 或 ctransformers 庫從 Python 中使用 GGUF 模型。建議使用 llama-cpp-python。

• 安裝包：根據系統運行以下命令之一：

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

# 在 Windows 中，在 PowerShell 中設置 CMAKE_ARGS 變量，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

# 設置要卸載到 GPU 的層數。如果系統沒有 GPU 加速，設置為 0。
llm = Llama(
  model_path="./dr_samantha-7b.Q4_K_M.gguf",  # 首先下載模型文件
  n_ctx=2048,  # 要使用的最大序列長度 - 注意，更長的序列長度需要更多資源
  n_threads=8,            # 要使用的 CPU 線程數，根據系統和性能進行調整
  n_gpu_layers=35         # 如果有 GPU 加速，要卸載到 GPU 的層數
)

# 簡單推理示例
output = llm(
  "Below is an instruction that describes a task. Write a response that appropriately completes the request.\n\n### Instruction:\n{prompt}\n\n### Response:", # 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！使用前請檢查。
  echo=True        # 是否回顯提示
)

# 聊天完成 API

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

使用 LangChain

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

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

✨ 主要特性

• 醫學知識豐富：通過準確識別各種症狀的潛在原因，展示了廣泛的醫學知識。
• 強調專業診斷：回覆始終強調尋求專業診斷和治療的重要性。
• 提供實用建議：為某些問題提供諮詢專家的建議，並在一些情況下提供症狀管理的實用臨時措施。
• 富有同理心：始終表現出對患者福祉的同理心、支持和安慰。
• 解釋清晰易懂：對病情和治療方案進行清晰易懂的解釋。
• 響應及時全面：及時響應並解決醫療諮詢的各個方面。

📦 安裝指南

下載依賴庫

pip3 install huggingface-hub

加速下載（可選）

pip3 install hf_transfer

設置環境變量：

HF_HUB_ENABLE_HF_TRANSFER=1

💻 使用示例

基礎用法

from llama_cpp import Llama

llm = Llama(
  model_path="./dr_samantha-7b.Q4_K_M.gguf",
  n_ctx=2048,
  n_threads=8,
  n_gpu_layers=35
)

output = llm(
  "Below is an instruction that describes a task. Write a response that appropriately completes the request.\n\n### Instruction:\n{prompt}\n\n### Response:",
  max_tokens=512,
  stop=["</s>"],
  echo=True
)

高級用法

from llama_cpp import Llama

llm = Llama(model_path="./dr_samantha-7b.Q4_K_M.gguf", chat_format="llama-2")
llm.create_chat_completion(
    messages = [
        {"role": "system", "content": "You are a story writing assistant."},
        {
            "role": "user",
            "content": "Write a story about llamas."
        }
    ]
)

📚 詳細文檔

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。以下是一些已知支持 GGUF 的客戶端和庫：

• 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：功能齊全的 Web UI，支持跨所有平臺和 GPU 架構的 GPU 加速，特別適合講故事。
• GPT4All：免費開源的本地運行 GUI，支持 Windows、Linux 和 macOS，具有完整的 GPU 加速。
• LM Studio：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：一個具有 GPU 加速、LangChain 支持和 OpenAI 兼容 API 服務器的 Python 庫。
• candle：一個 Rust ML 框架，注重性能，包括 GPU 支持和易用性。
• ctransformers：一個具有 GPU 加速、LangChain 支持和 OpenAI 兼容 AI 服務器的 Python 庫。截至 2023 年 11 月 27 日，ctransformers 已有很長時間未更新，不支持許多最新模型。

可用倉庫

• 用於 GPU 推理的 AWQ 模型
• 用於 GPU 推理的 GPTQ 模型，具有多種量化參數選項
• 用於 CPU+GPU 推理的 2、3、4、5、6 和 8 位 GGUF 模型
• Sethu Iyer 原始未量化的 fp16 模型（pytorch 格式），用於 GPU 推理和進一步轉換

提示模板

Below is an instruction that describes a task. Write a response that appropriately completes the request.

### Instruction:
{prompt}

### Response:

兼容性

這些量化的 GGUFv2 文件與 2023 年 8 月 27 日之後的 llama.cpp 兼容，對應提交 d0cee0d。它們也與許多第三方 UI 和庫兼容，請參閱本 README 頂部的列表。

量化方法解釋

提供的文件

注意：上述 RAM 數字假設沒有 GPU 卸載。如果將層卸載到 GPU，這將減少 RAM 使用並使用 VRAM 代替。

原始模型信息

概述

Dr. Samantha 是一個語言模型，通過 mergekit 將 Severus27/BeingWell_llama2_7b 和 ParthasarathyShanmugam/llama-2-7b-samantha 合併而成。它具備專注於醫學知識的能力（在 USMLE 數據庫和醫患互動數據上訓練），同時擁有 Samantha-7b 模型的哲學、心理和關係理解能力。作為醫療顧問和個人輔導員，Dr.Samantha 可以有效地支持身體和心理健康，這對於整體健康護理非常重要。

Yaml 配置

slices:
  - sources:
      - model: Severus27/BeingWell_llama2_7b
        layer_range: [0, 32]
      - model: ParthasarathyShanmugam/llama-2-7b-samantha
        layer_range: [0, 32]

merge_method: slerp
base_model: TinyPixel/Llama-2-7B-bf16-sharded

parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5 # fallback for rest of tensors
tokenizer_source: union

dtype: bfloat16

提示模板

Below is an instruction that describes a task. Write a response that appropriately completes the request.

### Instruction:
What is your name?

### Response:
My name is Samantha.

OpenLLM 排行榜性能

按學科的準確率

GPT-4 對 ChatDoctor-200k 數據集中 25 個隨機提示的評估

總體評分：83.5/100

優點

• 通過準確識別各種症狀的潛在原因，展示了廣泛的醫學知識。
• 回覆始終強調尋求專業診斷和治療的重要性。
• 針對某些問題建議諮詢專家，理由充分。
• 在一些情況下提供了症狀管理的實用臨時措施。
• 始終表現出對患者福祉的同理心、支持和安慰。
• 對病情和治療方案進行清晰易懂的解釋。
• 及時響應並解決醫療諮詢的各個方面。

缺點

• 偶爾在症狀表明可能是緊急情況時，沒有更加強調緊迫性。
• 對鑑別診斷的討論可以探索更廣泛的不太常見的原因。
• 有時對不太常見症狀及其影響的細節需要更深入。
• 有機會通過後續問題收集更多關於症狀歷史的澄清細節。
• 在相關情況下，可以考慮探索完整的病史以改善診斷背景。
• 可以更加強調與某些疾病相關的謹慎程度和風險因素。

🔧 技術細節

模型結構

Dr. Samantha 是通過將 Severus27/BeingWell_llama2_7b 和 ParthasarathyShanmugam/llama-2-7b-samantha 合併而成，使用了 mergekit 工具。具體的合併配置如下：

slices:
  - sources:
      - model: Severus27/BeingWell_llama2_7b
        layer_range: [0, 32]
      - model: ParthasarathyShanmugam/llama-2-7b-samantha
        layer_range: [0, 32]

merge_method: slerp
base_model: TinyPixel/Llama-2-7B-bf16-sharded

parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.5 # fallback for rest of tensors
tokenizer_source: union

dtype: bfloat16

量化方法

使用了多種量化方法，如 GGML_TYPE_Q2_K、GGML_TYPE_Q3_K 等，不同的量化方法在位數、大小和質量損失等方面有所不同。具體信息請參考“提供的文件”部分。

📄 許可證

該模型遵循 llama2 許可證。

信息表格

常用提示信息

⚠️ 重要提示

手動下載者幾乎不需要克隆整個倉庫！提供了多種不同的量化格式，大多數用戶只需要選擇並下載單個文件。

💡 使用建議

在使用模型時，根據自己的硬件資源選擇合適的量化文件和參數設置。如果有 GPU 加速，建議將部分層卸載到 GPU 以提高性能。同時，注意更長的序列長度需要更多的資源，可能需要根據實際情況進行調整。