Mobilellama 1.4B Base GGUF

🚀 MobileLLaMA-1.4B-Base-GGUF

本項目提供了 MobileLLaMA-1.4B-Base 模型的 GGUF 格式文件，方便用戶在不同的客戶端和庫中使用該模型。

✨ 主要特性

• 支持多種客戶端和庫：支持如 llama.cpp、text-generation-webui、Ollama 等多種客戶端和庫，滿足不同場景的使用需求。
• 多種量化方法：提供多種量化方法，可根據實際需求選擇合適的量化格式。
• 方便的下載方式：支持多種下載方式，包括通過客戶端自動下載和命令行下載。

📦 安裝指南

安裝 huggingface-hub 庫

pip3 install huggingface-hub

加速下載

若要在高速網絡（1Gbit/s 或更高）上加速下載，可安裝 hf_transfer：

pip3 install hf_transfer

並設置環境變量 HF_HUB_ENABLE_HF_TRANSFER 為 1：

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download andrijdavid/MobileLLaMA-1.4B-Base-GGUF MobileLLaMA-1.4B-Base-f16.gguf --local-dir . --local-dir-use-symlinks False

Windows 命令行用戶可在下載命令前運行 set HF_HUB_ENABLE_HF_TRANSFER=1 來設置環境變量。

💻 使用示例

基礎用法

llama.cpp 命令示例

./main -ngl 35 -m MobileLLaMA-1.4B-Base-f16.gguf --color -c 4096 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "<PROMPT>"

• -ngl 32：將其改為要卸載到 GPU 的層數。若沒有 GPU 加速，可移除該參數。
• -c 4096：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，可能需要減小該值。
• 若要進行聊天式對話，將 -p <PROMPT> 參數替換為 -i -ins。

Python 代碼示例（使用 llama-cpp-python）

from llama_cpp import Llama
# Set gpu_layers to the number of layers to offload to GPU. Set to 0 if no GPU acceleration is available on your system.
llm = Llama(
  model_path="./MobileLLaMA-1.4B-Base-f16.gguf",  # Download the model file first
  n_ctx=32768,  # The max sequence length to use - note that longer sequence lengths require much more resources
  n_threads=8,            # The number of CPU threads to use, tailor to your system and the resulting performance
  n_gpu_layers=35         # The number of layers to offload to GPU, if you have GPU acceleration available
)
# Simple inference example
output = llm(
  "<PROMPT>", # Prompt
  max_tokens=512,  # Generate up to 512 tokens
  stop=["</s>"],   # Example stop token - not necessarily correct for this specific model! Please check before using.
  echo=True        # Whether to echo the prompt
)
# Chat Completion API
llm = Llama(model_path="./MobileLLaMA-1.4B-Base-f16.gguf", chat_format="llama-2")  # Set chat_format according to the model you are using
llm.create_chat_completion(
    messages = [
        {"role": "system", "content": "You are a story writing assistant."},
        {
            "role": "user",
            "content": "Write a story about llamas."
        }
    ]
)

高級用法

批量下載文件

huggingface-cli download andrijdavid/MobileLLaMA-1.4B-Base-GGUF --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

📚 詳細文檔

關於 GGUF

GGUF 是 llama.cpp 團隊在 2023 年 8 月 21 日引入的一種新格式，它替代了不再受 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，提供命令行界面（CLI）和服務器選項。
• text-generation-webui：最廣泛使用的 Web UI，具有眾多功能和強大的擴展，支持 GPU 加速。
• Ollama：一個輕量級且可擴展的框架，用於在本地構建和運行語言模型。它具有簡單的 API 用於創建、管理和執行模型，以及一個預構建模型庫，可用於各種應用程序。
• KoboldCpp：一個全面的 Web UI，支持所有平臺和架構的 GPU 加速，尤其以講故事功能著稱。
• GPT4All：一個免費的開源本地 GUI，支持 Windows、Linux 和 macOS，具有全 GPU 加速。
• LM Studio：適用於 Windows 和 macOS（Silicon）的直觀且強大的本地 GUI，具有 GPU 加速。
• LoLLMS Web UI：一個著名的 Web UI，具有各種獨特功能，包括一個全面的模型庫，便於模型選擇。
• Faraday.dev：一個有吸引力、用戶友好的基於字符的聊天 GUI，適用於 Windows 和 macOS（Silicon 和 Intel），也提供 GPU 加速。
• llama-cpp-python：一個配備 GPU 加速、支持 LangChain 和 OpenAI 兼容 API 服務器的 Python 庫。
• candle：一個基於 Rust 的 ML 框架，專注於性能，包括 GPU 支持，設計用於易於使用。
• ctransformers：一個具有 GPU 加速、支持 LangChain 和 OpenAI 兼容 AI 服務器的 Python 庫。
• localGPT：一個開源項目，可實現與文檔的私密對話。

量化方法說明

如何下載 GGUF 文件

手動下載者注意：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。

以下客戶端/庫會自動為你下載模型，並提供可用模型列表供你選擇：

• LM Studio
• LoLLMS Web UI
• Faraday.dev

在 text-generation-webui 中下載

在“Download Model”下，可輸入模型倉庫：andrijdavid/MobileLLaMA-1.4B-Base-GGUF，並在其下方輸入要下載的特定文件名，如：MobileLLaMA-1.4B-Base-f16.gguf。然後點擊“Download”。

在命令行中下載（包括一次下載多個文件）

推薦使用 huggingface-hub Python 庫：

pip3 install huggingface-hub

然後可以使用如下命令將任何單個模型文件高速下載到當前目錄：

huggingface-cli download andrijdavid/MobileLLaMA-1.4B-Base-GGUF MobileLLaMA-1.4B-Base-f16.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download andrijdavid/MobileLLaMA-1.4B-Base-GGUF --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

如何在 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。

如何使用 LangChain

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

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

🔧 技術細節

原始模型概述

MobileLLaMA-1.4B-Base 是一個具有 14 億參數的 Transformer 模型。為了便於現成部署，對 LLaMA 進行了降維處理。為了使研究可復現，所有模型僅在來自 RedPajama v1 數據集的 1.3T 令牌上進行訓練。這有助於通過可控實驗進行進一步研究。

在兩個標準自然語言基準測試中對模型進行了廣泛評估，分別用於語言理解和常識推理。實驗結果表明，MobileLLaMA 1.4B 與最新的開源模型相當。

模型來源

• 倉庫：https://github.com/Meituan-AutoML/MobileVLM
• 論文：https://arxiv.org/abs/2312.16886

模型使用入門

可以使用 Hugging Face Transformers 加載模型權重。示例可在 Github 上找到。

訓練細節

請參閱論文第 4.1 節：MobileVLM: A Fast, Strong and Open Vision Language Assistant for Mobile Devices。

📄 許可證

本項目採用 Apache-2.0 許可證。