Codellama 7b Instruct Hf

🚀 代碼駱駝（Code Llama）

代碼駱駝（Code Llama）是一系列預訓練和微調的生成式文本模型，參數規模從70億到340億不等。本倉庫是基於Hugging Face Transformers格式的70億參數指令微調版本的模型。該模型旨在用於通用代碼合成和理解。其他模型的鏈接可在底部索引中找到。

🚀 快速開始

若要使用此模型，請確保安裝transformers庫：

pip install transformers accelerate

✨ 主要特性

• 代碼補全：支持代碼補全功能。
• 代碼填充：可進行代碼填充操作。
• 指令交互/聊天：支持指令跟隨和聊天功能。
• 非Python專業：並非專門針對Python的模型。

📦 安裝指南

使用此模型前，需安裝transformers和accelerate庫，安裝命令如下：

pip install transformers accelerate

📚 詳細文檔

模型詳情

• 模型開發者：Meta
• 模型變體：代碼駱駝有三種模型規模和三種變體：
  • 代碼駱駝（Code Llama）：基礎模型，用於通用代碼合成和理解。
  • 代碼駱駝 - Python（Code Llama - Python）：專門針對Python設計。
  • 代碼駱駝 - 指令（Code Llama - Instruct）：用於指令跟隨和更安全的部署。 所有變體均有70億、130億和340億參數三種規模。本倉庫包含70億參數的指令版本模型。
• 輸入：模型僅接受文本輸入。
• 輸出：模型僅生成文本。
• 模型架構：代碼駱駝是一種自迴歸語言模型，採用優化的Transformer架構。
• 模型訓練時間：代碼駱駝及其變體於2023年1月至2023年7月期間進行訓練。
• 模型狀態：這是一個基於離線數據集訓練的靜態模型。隨著我們根據社區反饋改進模型安全性，未來將發佈代碼駱駝 - 指令的新版本。
• 許可證：可在此處獲取自定義商業許可證。
• 研究論文：更多信息可在論文《代碼駱駝：開源代碼基礎模型》或其arXiv頁面中找到。

預期用途

• 預期用例：代碼駱駝及其變體旨在用於英語和相關編程語言的商業和研究用途。基礎模型代碼駱駝可用於各種代碼合成和理解任務，代碼駱駝 - Python專門用於處理Python編程語言，代碼駱駝 - 指令則更安全地用於代碼助手和生成應用程序。
• 非預期用途：禁止以任何違反適用法律法規（包括貿易合規法律）的方式使用。禁止使用英語以外的語言。禁止以違反代碼駱駝及其變體的可接受使用政策和許可協議的任何其他方式使用。

硬件和軟件

• 訓練因素：使用自定義訓練庫。已發佈模型的訓練和微調在Meta的研究超級集群上進行。
• 碳足跡：總體而言，訓練所有9個代碼駱駝模型需要在A100 - 80GB（TDP為350 - 400W）類型的硬件上進行400,000 GPU小時的計算。估計總排放量為65.3 tCO2eq，其中100%已通過Meta的可持續發展計劃進行抵消。

訓練數據

此處報告的所有實驗和已發佈的模型均使用與Llama 2相同的數據進行訓練和微調，但權重不同（詳情請參閱研究論文的第2節和表1）。

評估結果

有關主要模型的評估和詳細消融實驗，請參閱研究論文的第3節；有關安全評估，請參閱第4節。

倫理考量和侷限性

代碼駱駝及其變體是一項新技術，使用時存在風險。迄今為止進行的測試均使用英語，且未涵蓋也無法涵蓋所有場景。因此，與所有大語言模型一樣，無法提前預測代碼駱駝的潛在輸出，並且在某些情況下，模型可能會對用戶提示產生不準確或令人反感的響應。因此，在部署代碼駱駝的任何應用程序之前，開發人員應針對其特定應用進行安全測試和調整。請參閱負責任使用指南。

模型列表

⚠️ 重要提示

這是非官方的代碼駱駝倉庫。你可以在Meta Llama組織中找到官方的Meta倉庫。