Nomic Ai Gpt4all Falcon Gguf

🚀 gpt4all-falcon - GGUF

本项目的gpt4all-falcon - GGUF模型专注于文本生成，由nomic-ai创建，基于gpt4all-falcon原始模型。它在Falcon 7B模型基础上进行了优化，支持K量化，能提供更高效的性能和更好的质量。

我一直在不断完善这些模型描述，为您提供最相关和全面的信息。

🚀 快速开始

模型信息

• 模型创建者：nomic-ai
• 原始模型：gpt4all-falcon

下载模型

要下载具有特定版本的模型，请运行以下代码：

from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("nomic-ai/gpt4all-falcon", trust_remote_code=True)

如果不指定revision，则默认下载main/v1.0版本。

使用模型进行推理

要使用CUDA进行推理，请运行以下代码：

from transformers import AutoTokenizer, pipeline
import transformers
import torch

tokenizer = AutoTokenizer.from_pretrained(model_path, use_fast=False)
model.to("cuda:0")

prompt = "Describe a painting of a falcon in a very detailed way." # 可将此替换为您的提示
prompt_template = f"### Instruction: {prompt}\n### Response:"

tokens = tokenizer(prompt_template, return_tensors="pt").input_ids.to("cuda:0")
output = model.generate(input_ids=tokens, max_new_tokens=256, do_sample=True, temperature=0.8)

# 打印生成的文本
print(tokenizer.decode(output[0]))

✨ 主要特性

Falcon 7b模型中的K量化

Llama.cpp的新版本现在支持对以前不兼容的模型进行K量化，特别是所有Falcon 7B模型（而Falcon 40b一直完全兼容K量化）。这是通过对无法用真正的K量化进行量化的模型层采用回退解决方案来实现的。

对于Falcon 7B模型，虽然只有四分之一的层可以用真正的K量化进行量化，但这种方法仍然受益于使用不同的传统量化类型Q4_0、Q4_1、Q5_0和Q5_1。因此，它在相同文件大小下提供了更好的质量，或者在性能相当的情况下提供了更小的文件大小。

这种解决方案确保了与传统的Q4_0、Q4_1、Q5_0和Q5_1量化相比，性能和效率得到了提高。

GGUF格式

gguf是当前由ggml库使用的文件格式。越来越多的软件正在使用它，因此可以使用此模型。使用ggml库的核心项目是Georgi Gerganov的llama.cpp项目。

量化变体

有大量的量化文件可供选择，以满足您的特定需求。以下是如何为您选择最佳选项：

传统量化

Q4_0、Q4_1、Q5_0、Q5_1和Q8是“传统”量化类型。不过，它们得到了完全支持，因为有几种情况会导致某些模型与现代K量化不兼容。

注意：现在，即使对于以前“不兼容”的模型，也有了使用K量化的新选项，尽管这涉及一些回退解决方案，使它们不是真正的K量化。更多详细信息可以在受影响的模型描述中找到。（这主要指的是Falcon 7b和Starcoder模型）

K量化

K量化的设计理念是，在模型的特定部分使用不同级别的量化可以优化性能、文件大小和内存负载。因此，如果可能的话，请使用K量化。使用Q6_K时，您可能会发现很难辨别与原始模型的质量差异——向您的模型问两次相同的问题，您可能会遇到更大的质量差异。

📚 详细文档

模型详情

模型描述

本模型是从Falcon微调而来的。

• 开发者：Nomic AI
• 模型类型：在助手风格交互数据上微调的Falcon 7B模型
• 语言：英语
• 许可证：Apache-2
• 微调基础模型：Falcon

模型来源

• 仓库：https://github.com/nomic-ai/gpt4all
• 基础模型仓库：https://huggingface.co/tiiuae/falcon-7b
• 演示：https://gpt4all.io/

训练过程

GPT4All得益于我们的计算合作伙伴Paperspace。

在配备8个A100 80GB GPU的DGX集群上训练了约12小时。使用Deepspeed + Accelerate，我们使用的全局批量大小为256，学习率为2e-5。更多信息可以在仓库中找到。

结果

常识推理基准测试结果如下：

| 模型                     |  BoolQ   |   PIQA   | HellaSwag | WinoGrande |  ARC-e   |  ARC-c   |   OBQA   |   平均   |
|:--------------------------|:--------:|:--------:|:---------:|:----------:|:--------:|:--------:|:--------:|:--------:|
| GPT4All-J 6B v1.0         |   73.4   |   74.8   |   63.4    |    64.7    |   54.9   |   36.0   |   40.2   |   58.2   |
| GPT4All-J v1.1-breezy     |   74.0   |   75.1   |   63.2    |    63.6    |   55.4   |   34.9   |   38.4   |   57.8   |
| GPT4All-J v1.2-jazzy      |   74.8   |   74.9   |   63.6    |    63.8    |   56.6   |   35.3   |   41.0   |   58.6   |
| GPT4All-J v1.3-groovy     |   73.6   |   74.3   |   63.8    |    63.5    |   57.7   |   35.0   |   38.8   |   58.1   |
| GPT4All-J Lora 6B         |   68.6   |   75.8   |   66.2    |    63.5    |   56.4   |   35.7   |   40.2   |   58.1   |
| GPT4All LLaMa Lora 7B     |   73.1   |   77.6   |   72.1    |    67.8    |   51.1   |   40.4   |   40.2   |   60.3   |
| GPT4All 13B snoozy        | **83.3** |   79.2   |   75.0    |  **71.3**  |   60.9   |   44.2   |   43.4   |   65.3   |
| GPT4All Falcon            |   77.6   |   79.8   |   74.9    |    70.1    |   67.9   |   43.4   |   42.6   |   65.2   |
| Dolly 6B                  |   68.8   |   77.3   |   67.6    |    63.9    |   62.9   |   38.7   |   41.2   |   60.1   |
| Dolly 12B                 |   56.7   |   75.4   |   71.0    |    62.2    |   64.6   |   38.5   |   40.4   |   58.4   |
| Alpaca 7B                 |   73.9   |   77.2   |   73.9    |    66.1    |   59.8   |   43.3   |   43.4   |   62.4   |
| Alpaca Lora 7B            |   74.3   |   79.3   |   74.0    |    68.8    |   56.6   |   43.9   |   42.6   |   62.8   |
| GPT-J 6.7B                |   65.4   |   76.2   |   66.2    |    64.1    |   62.2   |   36.6   |   38.2   |   58.4   |
| LLama 7B                  |   73.1   |   77.4   |   73.0    |    66.9    |   52.5   |   41.4   |   42.4   |   61.0   |
| LLama 13B                 |   68.5   |   79.1   |   76.2    |    70.1    |   60.0   | **44.6** |   42.2   |   63.0   |
| Pythia 6.7B               |   63.5   |   76.3   |   64.0    |    61.1    |   61.3   |   35.2   |   37.2   |   57.0   |
| Pythia 12B                |   67.7   |   76.6   |   67.3    |    63.8    |   63.9   |   34.8   |    38    |   58.9   |
| Fastchat T5               |   81.5   |   64.6   |   46.3    |    61.8    |   49.3   |   33.3   |   39.4   |   53.7   |
| Fastchat Vicuña 7B        |   76.6   |   77.2   |   70.7    |    67.3    |   53.5   |   41.2   |   40.8   |   61.0   |
| Fastchat Vicuña 13B       |   81.5   |   76.8   |   73.3    |    66.7    |   57.4   |   42.7   |   43.6   |   63.1   |
| StableVicuña RLHF         |   82.3   |   78.6   |   74.1    |    70.9    |   61.0   |   43.5   | **44.4** |   65.0   |
| StableLM Tuned            |   62.5   |   71.2   |   53.6    |    54.8    |   52.4   |   31.1   |   33.4   |   51.3   |
| StableLM Base             |   60.1   |   67.4   |   41.2    |    50.1    |   44.9   |   27.0   |   32.0   |   42.2   |
| Koala 13B                 |   76.5   |   77.9   |   72.6    |    68.8    |   54.3   |   41.0   |   42.8   |   62.0   |
| Open Assistant Pythia 12B |   67.9   |   78.0   |   68.1    |    65.0    |   64.2   |   40.4   |   43.2   |   61.0   |
| Mosaic MPT7B              |   74.8   |   79.3   |   76.3    |    68.6    |   70.0   |   42.2   |   42.6   |   64.8   |
| Mosaic mpt-instruct       |   74.3   |   80.4   | **77.2**  |    67.8    | **72.2** | **44.6** |   43.0   | **65.6** |
| Mosaic mpt-chat           |   77.1   |   78.2   |   74.5    |    67.5    |   69.4   |   43.3   |   44.2   |   64.9   |
| Wizard 7B                 |   78.4   |   77.2   |   69.9    |    66.5    |   56.8   |   40.5   |   42.6   |   61.7   |
| Wizard 7B Uncensored      |   77.7   |   74.2   |   68.0    |    65.2    |   53.5   |   38.7   |   41.6   |   59.8   |
| Wizard 13B Uncensored     |   78.4   |   75.5   |   72.1    |    69.5    |   57.5   |   40.4   |   44.0   |   62.5   |
| GPT4-x-Vicuna-13b         |   81.3   |   75.0   |   75.2    |    65.0    |   58.7   |   43.9   |   43.6   |   62.2   |
| Falcon 7b                 |   73.6   | **80.7** |   76.3    |    67.3    |   71.0   |   43.3   |   44.4   |   65.2   |   
| text-davinci-003          |   88.1   |   83.8   |   83.4    |    75.8    |   83.9   |   63.9   |   51.0   |   75.7   |

📄 许可证

本模型采用Apache-2许可证。

请考虑支持我的工作

即将推出：我正在为我的工作发起赞助/众筹活动。我正在评估Kickstarter、Patreon或新的GitHub Sponsors平台，希望能得到一些支持和贡献，以确保这些模型的持续可用性。您的支持将使我能够提供更多有价值的资源，并维护您所依赖的模型。在我努力使这个页面成为社区更有价值的资源时，非常感谢您的耐心和持续支持。