OPEN SOLAR KO 10.7B GGUF

🚀 OPEN-SOLAR-KO-10.7B-GGUF

OPEN-SOLAR-KO-10.7B-GGUF 包含了 beomi/OPEN-SOLAR-KO-10.7B 模型的 GGUF 格式文件，方便用户在多种客户端和库中使用该模型进行文本生成。

🚀 快速开始

模型信息

• 模型创建者：beomi
• 原始模型：beomi/OPEN-SOLAR-KO-10.7B

关于 GGUF

GGUF 是 llama.cpp 团队在 2023 年 8 月 21 日推出的一种新格式，它取代了不再受 llama.cpp 支持的 GGML 格式。以下是一些已知支持 GGUF 的客户端和库：

• llama.cpp：GGUF 的源项目，提供了命令行界面和服务器选项。
• 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，支持跨所有平台和 GPU 架构的 GPU 加速，特别适合用于讲故事。
• GPT4All：一个免费开源的本地运行 GUI，支持 Windows、Linux 和 macOS，并具备完整的 GPU 加速功能。
• LM Studio：一个易于使用且功能强大的本地 GUI，适用于 Windows 和 macOS（Silicon），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，方便用户选择模型。
• 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（包括 Silicon 和 Intel），支持 GPU 加速。
• llama-cpp-python：一个支持 GPU 加速的 Python 库，支持 LangChain 并提供与 OpenAI 兼容的 API 服务器。
• candle：一个专注于性能的 Rust 机器学习框架，包括 GPU 支持且易于使用。
• ctransformers：一个支持 GPU 加速的 Python 库，支持 LangChain 并提供与 OpenAI 兼容的 AI 服务器。截至编写本文时（2023 年 11 月 27 日），ctransformers 已经很长时间没有更新，并且不支持许多最新的模型。

📦 安装指南

安装必要的库

推荐使用 huggingface-hub Python 库来下载模型文件：

pip3 install huggingface-hub

若要加速高速连接（1Gbit/s 或更高）下的下载速度，可安装 hf_transfer：

pip3 install hf_transfer

下载模型文件

手动指定下载单个文件

可以使用以下命令将单个模型文件高速下载到当前目录：

huggingface-cli download MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

若要使用 hf_transfer 加速下载，可设置环境变量 HF_HUB_ENABLE_HF_TRANSFER 为 1：

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

Windows 命令行用户可在下载命令前运行 set HF_HUB_ENABLE_HF_TRANSFER=1 来设置环境变量。

批量下载文件

可以使用通配符模式一次性下载多个文件：

huggingface-cli download [MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF](https://huggingface.co/MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF) --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

更多关于使用 huggingface-cli 下载文件的文档，请参考：HF -> Hub Python Library -> Download files -> Download from the CLI。

在 text-generation-webui 中下载

在 text-generation-webui 的“Download Model” 下，输入模型仓库地址：MaziyarPanahi/OPEN-SOLAR-KO-10.7B-GGUF，并在下方输入要下载的具体文件名，如：OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf，然后点击 “Download”。

💻 使用示例

llama.cpp 命令示例

确保使用的 llama.cpp 版本为提交 d0cee0d 或更高版本。以下是一个示例命令：

./main -ngl 35 -m OPEN-SOLAR-KO-10.7B-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，请移除该参数。
• -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。
• 如果想要进行聊天式对话，可将 -p <PROMPT> 参数替换为 -i -ins。 更多参数及使用方法，请参考 the llama.cpp documentation。

在 text-generation-webui 中运行

更多说明可在 text-generation-webui 文档中找到，地址为：text-generation-webui/docs/04 ‐ Model Tab.md。

使用 Python 代码运行

可以使用 llama-cpp-python 或 ctransformers 库从 Python 中使用 GGUF 模型。截至编写本文时（2023 年 11 月 27 日），ctransformers 已经很长时间没有更新，并且不支持许多最新的模型，因此建议使用 llama-cpp-python。

安装 llama-cpp-python 包

根据系统运行以下命令之一：

# 无 GPU 加速的基础 ctransformers
pip install llama-cpp-python
# 使用 NVidia CUDA 加速
CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python
# 或使用 OpenBLAS 加速
CMAKE_ARGS="-DLLAMA_BLAS=ON -DLLAMA_BLAS_VENDOR=OpenBLAS" pip install llama-cpp-python
# 或使用 CLBLast 加速
CMAKE_ARGS="-DLLAMA_CLBLAST=on" pip install llama-cpp-python
# 或使用 AMD ROCm GPU 加速（仅适用于 Linux）
CMAKE_ARGS="-DLLAMA_HIPBLAS=on" pip install llama-cpp-python
# 或使用 Metal GPU 加速（仅适用于 macOS 系统）
CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python

# 在 Windows 中，在 PowerShell 中设置变量 CMAKE_ARGS，例如对于 NVidia CUDA：
$env:CMAKE_ARGS = "-DLLAMA_OPENBLAS=on"
pip install llama-cpp-python

简单的 llama-cpp-python 示例代码

from llama_cpp import Llama

# 设置 gpu_layers 为要卸载到 GPU 的层数。如果系统没有 GPU 加速，将其设置为 0。
llm = Llama(
  model_path="./OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf",  # 先下载模型文件
  n_ctx=32768,  # 要使用的最大序列长度 - 请注意，更长的序列长度需要更多的资源
  n_threads=8,            # 要使用的 CPU 线程数，根据系统和性能进行调整
  n_gpu_layers=35         # 如果有 GPU 加速，要卸载到 GPU 的层数
)

# 简单的推理示例
output = llm(
  "<|im_start|>system
{system_message}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant", # 提示
  max_tokens=512,  # 生成最多 512 个令牌
  stop=["</s>"],   # 示例停止令牌 - 不一定适用于此特定模型！使用前请检查。
  echo=True        # 是否回显提示
)

# 聊天完成 API

llm = Llama(model_path="./OPEN-SOLAR-KO-10.7B-GGUF.Q4_K_M.gguf", chat_format="llama-2")  # 根据使用的模型设置 chat_format
llm.create_chat_completion(
    messages = [
        {"role": "system", "content": "You are a story writing assistant."},
        {
            "role": "user",
            "content": "Write a story about llamas."
        }
    ]
)

与 LangChain 一起使用

以下是关于如何将 llama-cpp-python 和 ctransformers 与 LangChain 一起使用的指南：

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

量化方法说明