🚀 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
📦 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。