Codellama 34b Instruct 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340億參數指令微調版本的模型。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

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。
• 指令遵循與對話：能夠遵循指令並進行對話。

📦 安裝指南

使用以下命令安裝所需的庫：

pip install transformers accelerate

💻 使用示例

基礎用法

pip install transformers accelerate

📚 詳細文檔

模型詳情

• 模型開發者：Meta
• 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340億參數的版本。 本倉庫包含340億參數模型的Instruct版本。
• 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，使用了優化的Transformer架構。
• 模型訓練時間：Code Llama及其變體在2023年1月至2023年7月期間進行了訓練。
• 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https://ai.meta.com/resources/models-and-libraries/llama-downloads/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：使用了自定義訓練庫。發佈的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40萬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發佈的模型都使用與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。

倫理考慮和侷限性

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都是用英語進行的，並且沒有涵蓋也不可能涵蓋所有場景。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https://ai.meta.com/llama/responsible-use-guide上的負責任使用指南。

模型信息表格

模型鏈接表格

⚠️ 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。

💡 使用建議

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。