OPEN SOLAR KO 10.7B GGUF

🚀 OPEN-SOLAR-KO-10.7B-GGUF

OPEN-SOLAR-KO-10.7B-GGUF 包含了 beomi/OPEN-SOLAR-KO-10.7B 模型的 GGUF 格式文件，方便用戶在多種客戶端和庫中使用該模型進行文本生成。

🚀 快速開始

模型信息

• 模型創建者：beomi
• 原始模型：beomi/OPEN-SOLAR-KO-10.7B

關於 GGUF

GGUF 是 llama.cpp 團隊在 2023 年 8 月 21 日推出的一種新格式，它取代了不再受 llama.cpp 支持的 GGML 格式。以下是一些已知支持 GGUF 的客戶端和庫：

• llama.cpp：GGUF 的源項目，提供了命令行界面和服務器選項。
• text-generation-webui：最廣泛使用的 Web UI，具有許多功能和強大的擴展，支持 GPU 加速。
• KoboldCpp：功能齊全的 Web UI，支持跨所有平臺和 GPU 架構的 GPU 加速，特別適合用於講故事。
• GPT4All：一個免費開源的本地運行 GUI，支持 Windows、Linux 和 macOS，並具備完整的 GPU 加速功能。
• LM Studio：一個易於使用且功能強大的本地 GUI，適用於 Windows 和 macOS（Silicon），支持 GPU 加速。截至 2023 年 11 月 27 日，Linux 版本處於測試階段。
• LoLLMS Web UI：一個很棒的 Web UI，具有許多有趣和獨特的功能，包括一個完整的模型庫，方便用戶選擇模型。
• Faraday.dev：一個有吸引力且易於使用的基於角色的聊天 GUI，適用於 Windows 和 macOS（包括 Silicon 和 Intel），支持 GPU 加速。
• llama-cpp-python：一個支持 GPU 加速的 Python 庫，支持 LangChain 並提供與 OpenAI 兼容的 API 服務器。
• candle：一個專注於性能的 Rust 機器學習框架，包括 GPU 支持且易於使用。
• ctransformers：一個支持 GPU 加速的 Python 庫，支持 LangChain 並提供與 OpenAI 兼容的 AI 服務器。截至編寫本文時（2023 年 11 月 27 日），ctransformers 已經很長時間沒有更新，並且不支持許多最新的模型。

📦 安裝指南

安裝必要的庫

推薦使用 huggingface-hub Python 庫來下載模型文件：

pip3 install huggingface-hub

若要加速高速連接（1Gbit/s 或更高）下的下載速度，可安裝 hf_transfer：

pip3 install hf_transfer

下載模型文件

手動指定下載單個文件

可以使用以下命令將單個模型文件高速下載到當前目錄：

huggingface-cli download MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

若要使用 hf_transfer 加速下載，可設置環境變量 HF_HUB_ENABLE_HF_TRANSFER 為 1：

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

Windows 命令行用戶可在下載命令前運行 set HF_HUB_ENABLE_HF_TRANSFER=1 來設置環境變量。

批量下載文件

可以使用通配符模式一次性下載多個文件：

huggingface-cli download [MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF](https://huggingface.co/MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF) --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

更多關於使用 huggingface-cli 下載文件的文檔，請參考：HF -> Hub Python Library -> Download files -> Download from the CLI。

在 text-generation-webui 中下載

在 text-generation-webui 的“Download Model” 下，輸入模型倉庫地址：MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF，並在下方輸入要下載的具體文件名，如：OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf，然後點擊 “Download”。

💻 使用示例

llama.cpp 命令示例

確保使用的 llama.cpp 版本為提交 d0cee0d 或更高版本。以下是一個示例命令：

./main -ngl 35 -m OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf --color -c 32768 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant"

• -ngl 32：將其更改為要卸載到 GPU 的層數。如果沒有 GPU 加速，請移除該參數。
• -c 32768：將其更改為所需的序列長度。對於擴展序列模型（如 8K、16K、32K），必要的 RoPE 縮放參數會從 GGUF 文件中讀取，並由 llama.cpp 自動設置。請注意，更長的序列長度需要更多的資源，因此可能需要減小該值。
• 如果想要進行聊天式對話，可將 -p <PROMPT> 參數替換為 -i -ins。 更多參數及使用方法，請參考 the llama.cpp documentation。

在 text-generation-webui 中運行

更多說明可在 text-generation-webui 文檔中找到，地址為：text-generation-webui/docs/04 ‐ Model Tab.md。

使用 Python 代碼運行

可以使用 llama-cpp-python 或 ctransformers 庫從 Python 中使用 GGUF 模型。截至編寫本文時（2023 年 11 月 27 日），ctransformers 已經很長時間沒有更新，並且不支持許多最新的模型，因此建議使用 llama-cpp-python。

安裝 llama-cpp-python 包

根據系統運行以下命令之一：

# 無 GPU 加速的基礎 ctransformers
pip install llama-cpp-python
# 使用 NVidia CUDA 加速
CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python
# 或使用 OpenBLAS 加速
CMAKE_ARGS="-DLLAMA_BLAS=ON -DLLAMA_BLAS_VENDOR=OpenBLAS" pip install llama-cpp-python
# 或使用 CLBLast 加速
CMAKE_ARGS="-DLLAMA_CLBLAST=on" pip install llama-cpp-python
# 或使用 AMD ROCm GPU 加速（僅適用於 Linux）
CMAKE_ARGS="-DLLAMA_HIPBLAS=on" pip install llama-cpp-python
# 或使用 Metal GPU 加速（僅適用於 macOS 系統）
CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python

# 在 Windows 中，在 PowerShell 中設置變量 CMAKE_ARGS，例如對於 NVidia CUDA：
$env:CMAKE_ARGS = "-DLLAMA_OPENBLAS=on"
pip install llama-cpp-python

簡單的 llama-cpp-python 示例代碼

from llama_cpp import Llama

# 設置 gpu_layers 為要卸載到 GPU 的層數。如果系統沒有 GPU 加速，將其設置為 0。
llm = Llama(
  model_path="./OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf",  # 先下載模型文件
  n_ctx=32768,  # 要使用的最大序列長度 - 請注意，更長的序列長度需要更多的資源
  n_threads=8,            # 要使用的 CPU 線程數，根據系統和性能進行調整
  n_gpu_layers=35         # 如果有 GPU 加速，要卸載到 GPU 的層數
)

# 簡單的推理示例
output = llm(
  "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant", # 提示
  max_tokens=512,  # 生成最多 512 個令牌
  stop=["</s>"],   # 示例停止令牌 - 不一定適用於此特定模型！使用前請檢查。
  echo=True        # 是否回顯提示
)

# 聊天完成 API

llm = Llama(model_path="./OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf", chat_format="llama-2")  # 根據使用的模型設置 chat_format
llm.create_chat_completion(
    messages = [
        {"role": "system", "content": "You are a story writing assistant."},
        {
            "role": "user",
            "content": "Write a story about llamas."
        }
    ]
)

與 LangChain 一起使用

以下是關於如何將 llama-cpp-python 和 ctransformers 與 LangChain 一起使用的指南：

• LangChain + llama-cpp-python
• LangChain + ctransformers

量化方法說明