🚀 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
📦 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。