Nomic Ai Gpt4all Falcon Gguf

🚀 gpt4all-falcon - GGUF

本項目的gpt4all-falcon - GGUF模型專注於文本生成，由nomic-ai創建，基於gpt4all-falcon原始模型。它在Falcon 7B模型基礎上進行了優化，支持K量化，能提供更高效的性能和更好的質量。

我一直在不斷完善這些模型描述，為您提供最相關和全面的信息。

🚀 快速開始

模型信息

• 模型創建者：nomic-ai
• 原始模型：gpt4all-falcon

下載模型

要下載具有特定版本的模型，請運行以下代碼：

from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("nomic-ai/gpt4all-falcon", trust_remote_code=True)

如果不指定revision，則默認下載main/v1.0版本。

使用模型進行推理

要使用CUDA進行推理，請運行以下代碼：

from transformers import AutoTokenizer, pipeline
import transformers
import torch

tokenizer = AutoTokenizer.from_pretrained(model_path, use_fast=False)
model.to("cuda:0")

prompt = "Describe a painting of a falcon in a very detailed way." # 可將此替換為您的提示
prompt_template = f"### Instruction: {prompt}\n### Response:"

tokens = tokenizer(prompt_template, return_tensors="pt").input_ids.to("cuda:0")
output = model.generate(input_ids=tokens, max_new_tokens=256, do_sample=True, temperature=0.8)

# 打印生成的文本
print(tokenizer.decode(output[0]))

✨ 主要特性

Falcon 7b模型中的K量化

Llama.cpp的新版本現在支持對以前不兼容的模型進行K量化，特別是所有Falcon 7B模型（而Falcon 40b一直完全兼容K量化）。這是通過對無法用真正的K量化進行量化的模型層採用回退解決方案來實現的。

對於Falcon 7B模型，雖然只有四分之一的層可以用真正的K量化進行量化，但這種方法仍然受益於使用不同的傳統量化類型Q4_0、Q4_1、Q5_0和Q5_1。因此，它在相同文件大小下提供了更好的質量，或者在性能相當的情況下提供了更小的文件大小。

這種解決方案確保了與傳統的Q4_0、Q4_1、Q5_0和Q5_1量化相比，性能和效率得到了提高。

GGUF格式

gguf是當前由ggml庫使用的文件格式。越來越多的軟件正在使用它，因此可以使用此模型。使用ggml庫的核心項目是Georgi Gerganov的llama.cpp項目。

量化變體

有大量的量化文件可供選擇，以滿足您的特定需求。以下是如何為您選擇最佳選項：

傳統量化

Q4_0、Q4_1、Q5_0、Q5_1和Q8是“傳統”量化類型。不過，它們得到了完全支持，因為有幾種情況會導致某些模型與現代K量化不兼容。

注意：現在，即使對於以前“不兼容”的模型，也有了使用K量化的新選項，儘管這涉及一些回退解決方案，使它們不是真正的K量化。更多詳細信息可以在受影響的模型描述中找到。（這主要指的是Falcon 7b和Starcoder模型）

K量化

K量化的設計理念是，在模型的特定部分使用不同級別的量化可以優化性能、文件大小和內存負載。因此，如果可能的話，請使用K量化。使用Q6_K時，您可能會發現很難辨別與原始模型的質量差異——向您的模型問兩次相同的問題，您可能會遇到更大的質量差異。

📚 詳細文檔

模型詳情

模型描述

本模型是從Falcon微調而來的。

• 開發者：Nomic AI
• 模型類型：在助手風格交互數據上微調的Falcon 7B模型
• 語言：英語
• 許可證：Apache-2
• 微調基礎模型：Falcon

模型來源

• 倉庫：https://github.com/nomic-ai/gpt4all
• 基礎模型倉庫：https://huggingface.co/tiiuae/falcon-7b
• 演示：https://gpt4all.io/

訓練過程

GPT4All得益於我們的計算合作伙伴Paperspace。

在配備8個A100 80GB GPU的DGX集群上訓練了約12小時。使用Deepspeed + Accelerate，我們使用的全局批量大小為256，學習率為2e-5。更多信息可以在倉庫中找到。

結果

常識推理基準測試結果如下：

| 模型                     |  BoolQ   |   PIQA   | HellaSwag | WinoGrande |  ARC-e   |  ARC-c   |   OBQA   |   平均   |
|:--------------------------|:--------:|:--------:|:---------:|:----------:|:--------:|:--------:|:--------:|:--------:|
| GPT4All-J 6B v1.0         |   73.4   |   74.8   |   63.4    |    64.7    |   54.9   |   36.0   |   40.2   |   58.2   |
| GPT4All-J v1.1-breezy     |   74.0   |   75.1   |   63.2    |    63.6    |   55.4   |   34.9   |   38.4   |   57.8   |
| GPT4All-J v1.2-jazzy      |   74.8   |   74.9   |   63.6    |    63.8    |   56.6   |   35.3   |   41.0   |   58.6   |
| GPT4All-J v1.3-groovy     |   73.6   |   74.3   |   63.8    |    63.5    |   57.7   |   35.0   |   38.8   |   58.1   |
| GPT4All-J Lora 6B         |   68.6   |   75.8   |   66.2    |    63.5    |   56.4   |   35.7   |   40.2   |   58.1   |
| GPT4All LLaMa Lora 7B     |   73.1   |   77.6   |   72.1    |    67.8    |   51.1   |   40.4   |   40.2   |   60.3   |
| GPT4All 13B snoozy        | **83.3** |   79.2   |   75.0    |  **71.3**  |   60.9   |   44.2   |   43.4   |   65.3   |
| GPT4All Falcon            |   77.6   |   79.8   |   74.9    |    70.1    |   67.9   |   43.4   |   42.6   |   65.2   |
| Dolly 6B                  |   68.8   |   77.3   |   67.6    |    63.9    |   62.9   |   38.7   |   41.2   |   60.1   |
| Dolly 12B                 |   56.7   |   75.4   |   71.0    |    62.2    |   64.6   |   38.5   |   40.4   |   58.4   |
| Alpaca 7B                 |   73.9   |   77.2   |   73.9    |    66.1    |   59.8   |   43.3   |   43.4   |   62.4   |
| Alpaca Lora 7B            |   74.3   |   79.3   |   74.0    |    68.8    |   56.6   |   43.9   |   42.6   |   62.8   |
| GPT-J 6.7B                |   65.4   |   76.2   |   66.2    |    64.1    |   62.2   |   36.6   |   38.2   |   58.4   |
| LLama 7B                  |   73.1   |   77.4   |   73.0    |    66.9    |   52.5   |   41.4   |   42.4   |   61.0   |
| LLama 13B                 |   68.5   |   79.1   |   76.2    |    70.1    |   60.0   | **44.6** |   42.2   |   63.0   |
| Pythia 6.7B               |   63.5   |   76.3   |   64.0    |    61.1    |   61.3   |   35.2   |   37.2   |   57.0   |
| Pythia 12B                |   67.7   |   76.6   |   67.3    |    63.8    |   63.9   |   34.8   |    38    |   58.9   |
| Fastchat T5               |   81.5   |   64.6   |   46.3    |    61.8    |   49.3   |   33.3   |   39.4   |   53.7   |
| Fastchat Vicuña 7B        |   76.6   |   77.2   |   70.7    |    67.3    |   53.5   |   41.2   |   40.8   |   61.0   |
| Fastchat Vicuña 13B       |   81.5   |   76.8   |   73.3    |    66.7    |   57.4   |   42.7   |   43.6   |   63.1   |
| StableVicuña RLHF         |   82.3   |   78.6   |   74.1    |    70.9    |   61.0   |   43.5   | **44.4** |   65.0   |
| StableLM Tuned            |   62.5   |   71.2   |   53.6    |    54.8    |   52.4   |   31.1   |   33.4   |   51.3   |
| StableLM Base             |   60.1   |   67.4   |   41.2    |    50.1    |   44.9   |   27.0   |   32.0   |   42.2   |
| Koala 13B                 |   76.5   |   77.9   |   72.6    |    68.8    |   54.3   |   41.0   |   42.8   |   62.0   |
| Open Assistant Pythia 12B |   67.9   |   78.0   |   68.1    |    65.0    |   64.2   |   40.4   |   43.2   |   61.0   |
| Mosaic MPT7B              |   74.8   |   79.3   |   76.3    |    68.6    |   70.0   |   42.2   |   42.6   |   64.8   |
| Mosaic mpt-instruct       |   74.3   |   80.4   | **77.2**  |    67.8    | **72.2** | **44.6** |   43.0   | **65.6** |
| Mosaic mpt-chat           |   77.1   |   78.2   |   74.5    |    67.5    |   69.4   |   43.3   |   44.2   |   64.9   |
| Wizard 7B                 |   78.4   |   77.2   |   69.9    |    66.5    |   56.8   |   40.5   |   42.6   |   61.7   |
| Wizard 7B Uncensored      |   77.7   |   74.2   |   68.0    |    65.2    |   53.5   |   38.7   |   41.6   |   59.8   |
| Wizard 13B Uncensored     |   78.4   |   75.5   |   72.1    |    69.5    |   57.5   |   40.4   |   44.0   |   62.5   |
| GPT4-x-Vicuna-13b         |   81.3   |   75.0   |   75.2    |    65.0    |   58.7   |   43.9   |   43.6   |   62.2   |
| Falcon 7b                 |   73.6   | **80.7** |   76.3    |    67.3    |   71.0   |   43.3   |   44.4   |   65.2   |   
| text-davinci-003          |   88.1   |   83.8   |   83.4    |    75.8    |   83.9   |   63.9   |   51.0   |   75.7   |

📄 許可證

本模型採用Apache-2許可證。

請考慮支持我的工作

即將推出：我正在為我的工作發起贊助/眾籌活動。我正在評估Kickstarter、Patreon或新的GitHub Sponsors平臺，希望能得到一些支持和貢獻，以確保這些模型的持續可用性。您的支持將使我能夠提供更多有價值的資源，並維護您所依賴的模型。在我努力使這個頁面成為社區更有價值的資源時，非常感謝您的耐心和持續支持。