Codellama 7b 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。本倉庫是基於Hugging Face Transformers格式的70億參數基礎版本模型。該模型專為通用代碼合成和理解而設計。其他模型的鏈接可在底部索引中找到。

🚀 快速開始

在使用此模型之前，請確保從main分支安裝transformers，直到下一個版本發佈：

pip install transformers accelerate

✨ 主要特性

• 代碼補全。
• 代碼填充。

📦 安裝指南

使用以下命令安裝所需依賴：

pip install transformers accelerate

💻 使用示例

基礎用法

from transformers import AutoTokenizer
import transformers
import torch

model = "codellama/CodeLlama-7b-hf"

tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

sequences = pipeline(
    'import socket\n\ndef ping_exponential_backoff(host: str):',
    do_sample=True,
    top_k=10,
    temperature=0.1,
    top_p=0.95,
    num_return_sequences=1,
    eos_token_id=tokenizer.eos_token_id,
    max_length=200,
)
for seq in sequences:
    print(f"Result: {seq['generated_text']}")

📚 詳細文檔

模型詳情

注意：此模型的使用受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）。

• 模型開發者：Meta
• 模型變體：Code Llama有三種模型大小和三種變體：
  • Code Llama：用於通用代碼合成和理解的基礎模型
  • Code Llama - Python：專門為Python設計
  • Code Llama - Instruct：用於遵循指令和更安全的部署

所有變體都有70億、130億和340億參數三種規模。本倉庫包含的是70億參數的基礎模型。

• 輸入：模型僅接受文本輸入。
• 輸出：模型僅生成文本。
• 模型架構：Code Llama是一個自迴歸語言模型，採用了優化的Transformer架構。
• 模型訓練時間：Code Llama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Code Llama - Instruct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Code Llama: Open Foundation Models for Code或其arXiv頁面中找到。

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是在Meta的研究超級集群上進行的。
• 碳足跡：總體而言，訓練所有9個Code Llama模型需要在A100 - 80GB（熱設計功耗為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

請參閱研究論文第3節中主要模型的評估和詳細消融實驗，以及第4節中的安全評估。

道德考量和侷限性

Code Llama及其變體是一項新技術，使用時存在風險。到目前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，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。

模型列表

⚠️ 重要提示

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

📄 許可證

自定義商業許可證可在https://ai.meta.com/resources/models-and-libraries/llama-downloads/獲取。