Codellama 7b Instruct Hf

🚀 代码骆驼（Code Llama）

代码骆驼（Code Llama）是一系列预训练和微调的生成式文本模型，参数规模从70亿到340亿不等。本仓库是基于Hugging Face Transformers格式的70亿参数指令微调版本的模型。该模型旨在用于通用代码合成和理解。其他模型的链接可在底部索引中找到。

🚀 快速开始

若要使用此模型，请确保安装transformers库：

pip install transformers accelerate

✨ 主要特性

• 代码补全：支持代码补全功能。
• 代码填充：可进行代码填充操作。
• 指令交互/聊天：支持指令跟随和聊天功能。
• 非Python专业：并非专门针对Python的模型。

📦 安装指南

使用此模型前，需安装transformers和accelerate库，安装命令如下：

pip install transformers accelerate

📚 详细文档

模型详情

• 模型开发者：Meta
• 模型变体：代码骆驼有三种模型规模和三种变体：
  • 代码骆驼（Code Llama）：基础模型，用于通用代码合成和理解。
  • 代码骆驼 - Python（Code Llama - Python）：专门针对Python设计。
  • 代码骆驼 - 指令（Code Llama - Instruct）：用于指令跟随和更安全的部署。 所有变体均有70亿、130亿和340亿参数三种规模。本仓库包含70亿参数的指令版本模型。
• 输入：模型仅接受文本输入。
• 输出：模型仅生成文本。
• 模型架构：代码骆驼是一种自回归语言模型，采用优化的Transformer架构。
• 模型训练时间：代码骆驼及其变体于2023年1月至2023年7月期间进行训练。
• 模型状态：这是一个基于离线数据集训练的静态模型。随着我们根据社区反馈改进模型安全性，未来将发布代码骆驼 - 指令的新版本。
• 许可证：可在此处获取自定义商业许可证。
• 研究论文：更多信息可在论文《代码骆驼：开源代码基础模型》或其arXiv页面中找到。

预期用途

• 预期用例：代码骆驼及其变体旨在用于英语和相关编程语言的商业和研究用途。基础模型代码骆驼可用于各种代码合成和理解任务，代码骆驼 - Python专门用于处理Python编程语言，代码骆驼 - 指令则更安全地用于代码助手和生成应用程序。
• 非预期用途：禁止以任何违反适用法律法规（包括贸易合规法律）的方式使用。禁止使用英语以外的语言。禁止以违反代码骆驼及其变体的可接受使用政策和许可协议的任何其他方式使用。

硬件和软件

• 训练因素：使用自定义训练库。已发布模型的训练和微调在Meta的研究超级集群上进行。
• 碳足迹：总体而言，训练所有9个代码骆驼模型需要在A100 - 80GB（TDP为350 - 400W）类型的硬件上进行400,000 GPU小时的计算。估计总排放量为65.3 tCO2eq，其中100%已通过Meta的可持续发展计划进行抵消。

训练数据

此处报告的所有实验和已发布的模型均使用与Llama 2相同的数据进行训练和微调，但权重不同（详情请参阅研究论文的第2节和表1）。

评估结果

有关主要模型的评估和详细消融实验，请参阅研究论文的第3节；有关安全评估，请参阅第4节。

伦理考量和局限性

代码骆驼及其变体是一项新技术，使用时存在风险。迄今为止进行的测试均使用英语，且未涵盖也无法涵盖所有场景。因此，与所有大语言模型一样，无法提前预测代码骆驼的潜在输出，并且在某些情况下，模型可能会对用户提示产生不准确或令人反感的响应。因此，在部署代码骆驼的任何应用程序之前，开发人员应针对其特定应用进行安全测试和调整。请参阅负责任使用指南。

模型列表

⚠️ 重要提示

这是非官方的代码骆驼仓库。你可以在Meta Llama组织中找到官方的Meta仓库。