Mistral 7B Instruct Aya 101 GGUF

🚀 Mistral-7B-Instruct-Aya-101-GGUF

Mistral-7B-Instruct-Aya-101-GGUF 是基于 Mistral-7B-Instruct-Aya-101 模型的 GGUF 格式模型，可用于文本生成任务，支持多种语言和量化方式，能在不同客户端和库中使用。

🚀 快速开始

模型信息

• 模型创建者：MaziyarPanahi
• 原始模型：MaziyarPanahi/Mistral-7B-Instruct-Aya-101

模型描述

MaziyarPanahi/Mistral-7B-Instruct-Aya-101-GGUF 包含 MaziyarPanahi/Mistral-7B-Instruct-Aya-101 的 GGUF 格式模型文件。

✨ 主要特性

• 支持多种量化方式：包括 2-bit、3-bit、4-bit、5-bit、6-bit、8-bit 等量化方式。
• 多语言支持：支持如英语、中文、法语、德语等众多语言。
• 多客户端和库支持：支持 llama.cpp、text-generation-webui、KoboldCpp 等多种客户端和库。

📦 安装指南

安装 huggingface-hub

pip3 install huggingface-hub

加速下载（可选）

pip3 install hf_transfer

下载模型文件

huggingface-cli download MaziyarPanahi/Mistral-7B-Instruct-Aya-101-GGUF Mistral-7B-Instruct-Aya-101-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

下载多个文件（可选）

huggingface-cli download [MaziyarPanahi/Mistral-7B-Instruct-Aya-101-GGUF](https://huggingface.co/MaziyarPanahi/Mistral-7B-Instruct-Aya-101-GGUF) --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

设置环境变量加速下载（可选）

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download MaziyarPanahi/Mistral-7B-Instruct-Aya-101-GGUF Mistral-7B-Instruct-Aya-101-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

💻 使用示例

基础用法

llama.cpp 命令示例

./main -ngl 35 -m Mistral-7B-Instruct-Aya-101-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"

Python 代码示例（使用 llama-cpp-python）

from llama_cpp import Llama

# Set gpu_layers to the number of layers to offload to GPU. Set to 0 if no GPU acceleration is available on your system.
llm = Llama(
  model_path="./Mistral-7B-Instruct-Aya-101-GGUF.Q4_K_M.gguf",  # Download the model file first
  n_ctx=32768,  # The max sequence length to use - note that longer sequence lengths require much more resources
  n_threads=8,            # The number of CPU threads to use, tailor to your system and the resulting performance
  n_gpu_layers=35         # The number of layers to offload to GPU, if you have GPU acceleration available
)

# Simple inference example
output = llm(
  "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant", # Prompt
  max_tokens=512,  # Generate up to 512 tokens
  stop=["</s>"],   # Example stop token - not necessarily correct for this specific model! Please check before using.
  echo=True        # Whether to echo the prompt
)

# Chat Completion API

llm = Llama(model_path="./Mistral-7B-Instruct-Aya-101-GGUF.Q4_K_M.gguf", chat_format="llama-2")  # Set chat_format according to the model you are using
llm.create_chat_completion(
    messages = [
        {"role": "system", "content": "You are a story writing assistant."},
        {
            "role": "user",
            "content": "Write a story about llamas."
        }
    ]
)

高级用法

在 text-generation-webui 中使用

可参考 text-generation-webui/docs/04 ‐ Model Tab.md 中的说明。

与 LangChain 结合使用

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

📚 详细文档

关于 GGUF

GGUF 是 llama.cpp 团队在 2023 年 8 月 21 日引入的新格式，它取代了不再受 llama.cpp 支持的 GGML 格式。

以下是已知支持 GGUF 的客户端和库的不完全列表：

• llama.cpp。GGUF 的源项目，提供 CLI 和服务器选项。
• text-generation-webui，最广泛使用的 Web UI，具有许多功能和强大的扩展，支持 GPU 加速。
• KoboldCpp，功能齐全的 Web UI，支持所有平台和 GPU 架构的 GPU 加速，特别适合讲故事。
• GPT4All，一个免费开源的本地运行 GUI，支持 Windows、Linux 和 macOS，具有完整的 GPU 加速。
• LM Studio，一个易于使用且功能强大的 Windows 和 macOS（Silicon）本地 GUI，支持 GPU 加速。截至 2023 年 11 月 27 日，Linux 版本处于测试阶段。
• LoLLMS Web UI，一个很棒的 Web UI，具有许多有趣和独特的功能，包括一个完整的模型库，便于模型选择。
• Faraday.dev，一个有吸引力且易于使用的基于角色的聊天 GUI，适用于 Windows 和 macOS（Silicon 和 Intel），支持 GPU 加速。
• llama-cpp-python，一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 API 服务器的 Python 库。
• candle，一个注重性能的 Rust ML 框架，包括 GPU 支持和易用性。
• ctransformers，一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 AI 服务器的 Python 库。请注意，截至 2023 年 11 月 27 日，ctransformers 已经很长时间没有更新，不支持许多最新的模型。

量化方法说明

新的量化方法如下：

• GGML_TYPE_Q2_K - “type-1” 2-bit 量化，超级块包含 16 个块，每个块有 16 个权重。块的缩放和最小值用 4 位量化。最终每个权重有效使用 2.5625 位（bpw）。
• GGML_TYPE_Q3_K - “type-0” 3-bit 量化，超级块包含 16 个块，每个块有 16 个权重。缩放用 6 位量化。最终使用 3.4375 bpw。
• GGML_TYPE_Q4_K - “type-1” 4-bit 量化，超级块包含 8 个块，每个块有 32 个权重。缩放和最小值用 6 位量化。最终使用 4.5 bpw。
• GGML_TYPE_Q5_K - “type-1” 5-bit 量化。与 GGML_TYPE_Q4_K 具有相同的超级块结构，最终使用 5.5 bpw。
• GGML_TYPE_Q6_K - “type-0” 6-bit 量化。超级块有 16 个块，每个块有 16 个权重。缩放用 8 位量化。最终使用 6.5625 bpw。

下载 GGUF 文件

手动下载注意事项

几乎不需要克隆整个仓库！提供了多种不同的量化格式，大多数用户只需要选择并下载单个文件。

以下客户端/库将自动为您下载模型，并提供可用模型列表供您选择：

• LM Studio
• LoLLMS Web UI
• Faraday.dev

在 text-generation-webui 中下载

在“Download Model”下，输入模型仓库地址：MaziyarPanahi/Mistral-7B-Instruct-Aya-101-GGUF，并在其下方输入要下载的特定文件名，例如：Mistral-7B-Instruct-Aya-101-GGUF.Q4_K_M.gguf。然后点击“Download”。

在命令行下载（包括一次下载多个文件）

推荐使用 huggingface-hub Python 库进行下载。

🔧 技术细节

运行 llama.cpp 命令时，确保使用的是 d0cee0d 或更高版本的 llama.cpp。

./main -ngl 35 -m Mistral-7B-Instruct-Aya-101-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：将其更改为要卸载到 GPU 的层数。如果没有 GPU 加速，请删除该参数。
• -c 32768：将其更改为所需的序列长度。对于扩展序列模型（如 8K、16K、32K），必要的 RoPE 缩放参数会从 GGUF 文件中读取，并由 llama.cpp 自动设置。请注意，更长的序列长度需要更多的资源，因此可能需要减小该值。
• 如果要进行聊天式对话，请将 -p <PROMPT> 参数替换为 -i -ins。

📄 许可证

本模型使用的许可证为 apache-2.0。