Codellama 7b Python Hf

🚀 Code Llama

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Hugging Face Transformers格式的70億參數Python專業版本模型。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

要使用此模型，請確保安裝transformers：

pip install transformers accelerate

✨ 主要特性

• 代碼補全：支持代碼補全功能。
• Python專業支持：專門針對Python語言進行設計。

📚 詳細文檔

模型使用

模型功能：

• [x] 代碼補全。
• [ ] 代碼填充。
• [ ] 指令跟隨/對話。
• [x] Python專業支持。

模型詳情

注意：本模型的使用受Meta許可證的約束。Meta開發並公開發布了Code Llama系列大語言模型（LLM）。

預期用途

預期用例：Code Llama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Code Llama可適用於各種代碼合成和理解任務，Code Llama - Python專門用於處理Python編程語言，Code Llama - Instruct旨在更安全地用於代碼助手和生成應用程序。

非預期用途：以任何違反適用法律法規（包括貿易合規法律）的方式使用。使用英語以外的語言。以Code Llama及其變體的可接受使用政策和許可協議禁止的任何其他方式使用。

硬件和軟件

訓練因素：我們使用了自定義訓練庫。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Code Llama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%由Meta的可持續發展計劃抵消。

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，安全評估請參閱第4節。

倫理考量和侷限性

Code Llama及其變體是一項帶有使用風險的新技術。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。出於這些原因，與所有大語言模型一樣，Code Llama的潛在輸出無法提前預測，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Code Llama的任何應用程序之前，開發人員應針對其特定的模型應用進行安全測試和調整。

請參閱負責任使用指南。

⚠️ 重要提示

這是非官方的Code Llama倉庫。你可以在Meta Llama組織中找到官方Meta倉庫。