Codellama 7b Hf

🚀 Code Llama

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70亿参数基础版本模型。该模型专为通用代码合成和理解而设计。其他模型的链接可在底部索引中找到。

🚀 快速开始

在使用此模型之前，请确保从main分支安装transformers，直到下一个版本发布：

pip install transformers accelerate

✨ 主要特性

• 代码补全。
• 代码填充。

📦 安装指南

使用以下命令安装所需依赖：

pip install transformers accelerate

💻 使用示例

基础用法

from transformers import AutoTokenizer
import transformers
import torch

model = "codellama/CodeLlama-7b-hf"

tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

sequences = pipeline(
    'import socket\n\ndef ping_exponential_backoff(host: str):',
    do_sample=True,
    top_k=10,
    temperature=0.1,
    top_p=0.95,
    num_return_sequences=1,
    eos_token_id=tokenizer.eos_token_id,
    max_length=200,
)
for seq in sequences:
    print(f"Result: {seq['generated_text']}")

📚 详细文档

模型详情

注意：此模型的使用受Meta许可证的约束。Meta开发并公开发布了Code Llama系列大语言模型（LLM）。

• 模型开发者：Meta
• 模型变体：Code Llama有三种模型大小和三种变体：
  • Code Llama：用于通用代码合成和理解的基础模型
  • Code Llama - Python：专门为Python设计
  • Code Llama - Instruct：用于遵循指令和更安全的部署

所有变体都有70亿、130亿和340亿参数三种规模。本仓库包含的是70亿参数的基础模型。

• 输入：模型仅接受文本输入。
• 输出：模型仅生成文本。
• 模型架构：Code Llama是一个自回归语言模型，采用了优化的Transformer架构。
• 模型训练时间：Code Llama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Code Llama - Instruct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Code Llama: Open Foundation Models for Code或其arXiv页面中找到。

预期用途

• 预期用例：Code Llama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Code Llama可适用于各种代码合成和理解任务，Code Llama - Python专门用于处理Python编程语言，Code Llama - Instruct旨在更安全地用于代码助手和生成应用程序。
• 非预期用途：以任何违反适用法律法规（包括贸易合规法律）的方式使用。使用英语以外的语言。以Code Llama及其变体的可接受使用政策和许可协议禁止的任何其他方式使用。

硬件和软件

• 训练因素：我们使用了自定义训练库。已发布模型的训练和微调是在Meta的研究超级集群上进行的。
• 碳足迹：总体而言，训练所有9个Code Llama模型需要在A100 - 80GB（热设计功耗为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%由Meta的可持续发展计划抵消。

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

请参阅研究论文第3节中主要模型的评估和详细消融实验，以及第4节中的安全评估。

道德考量和局限性

Code Llama及其变体是一项新技术，使用时存在风险。到目前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，Code Llama的潜在输出无法提前预测，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Code Llama的任何应用程序之前，开发人员应针对其特定的模型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Code Llama仓库。你可以在Meta Llama组织中找到官方的Meta仓库。

📄 许可证

自定义商业许可证可在https://ai.meta.com/resources/models-and-libraries/llama-downloads/获取。