Mosaicml Mpt 7b Chat Bnb 4bit Smashed

🚀 PrunaAI - 让AI模型更经济、更小、更快、更环保！

PrunaAI致力于让AI模型在成本、体积、速度和环保性上都得到显著提升，为用户提供更高效的AI模型使用体验。

• 如果你喜欢这个模型，就点个赞吧！
• 点击此处 联系我们，告诉我们接下来要压缩哪个模型。
• 点击此处 请求访问权限，轻松压缩你自己的AI模型。
• 点击此处 阅读文档以了解更多信息。
• 点击此处 加入Pruna AI的Discord社区，分享反馈/建议或获取帮助。

社区链接

🚀 快速开始

结果展示

常见问题解答

• 压缩是如何工作的？ 模型使用llm - int8进行压缩。
• 模型质量会有怎样的变化？ 与基础模型相比，模型输出的质量可能会有所不同。
• 如何评估模型效率？ 这些结果是在NVIDIA A100 - PCIE - 40GB上，按照model/smash_config.json中描述的配置获得的，并且是在硬件预热后得到的。压缩后的模型直接与原始基础模型进行比较。效率结果在其他设置（如其他硬件、图像大小、批量大小等）中可能会有所不同。我们建议在实际用例条件下直接运行，以确定压缩后的模型是否对你有益。
• 模型格式是什么？ 我们使用safetensors。
• 使用了什么校准数据？ 如果压缩方法需要，我们使用WikiText作为校准数据。
• Pruna Huggingface模型的命名约定是什么？ 如果压缩后的模型的推理速度、推理内存或推理能耗低于原始基础模型的90%，我们会在原始模型名称后加上“turbo”、“tiny”或“green”。
• 如何压缩我自己的模型？ 你可以点击此处 请求高级访问权限，以获得更多压缩方法和针对你特定用例的技术支持。
• 什么是“首次”指标？ 提到“首次”的结果是在模型首次运行后获得的。由于cuda开销，首次运行可能比后续运行占用更多内存或更慢。
• 什么是“同步”和“异步”指标？ “同步”指标是通过同步所有GPU进程并在所有进程执行完毕后停止测量获得的。“异步”指标是在不同步所有GPU进程的情况下获得的，当模型输出可供CPU使用时停止测量。我们同时提供这两种指标，因为根据用例的不同，这两种指标都可能相关。我们建议在你的用例中直接测试效率提升情况。

📦 安装指南

你可以按照以下步骤运行压缩后的模型： 0. 检查原始仓库mosaicml/mpt - 7b - chat的要求是否已安装。特别是要检查python、cuda和transformers的版本。

1. 确保你已经安装了与量化相关的包。

pip install transformers accelerate bitsandbytes>0.37.0

2. 加载并运行模型。

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("PrunaAI/mosaicml-mpt-7b-chat-bnb-4bit-smashed",
                                             trust_remote_code=True, device_map='auto')
tokenizer = AutoTokenizer.from_pretrained("mosaicml/mpt-7b-chat")

input_ids = tokenizer("What is the color of prunes?,", return_tensors='pt').to(model.device)["input_ids"]

outputs = model.generate(input_ids, max_new_tokens=216)
tokenizer.decode(outputs[0])

📚 详细文档

配置信息位于smash_config.json中。

📄 许可证

压缩后模型的许可证遵循原始模型的许可证。在使用此模型之前，请检查原始模型mosaicml/mpt - 7b - chat的许可证，该模型提供了基础模型。pruna - engine的许可证可在Pypi上的此处查看。

还想压缩其他模型？

• 点击此处 联系我们，告诉我们接下来要压缩哪个模型。
• 点击此处 请求访问权限，轻松压缩你自己的AI模型。