Law LLM 13B GGUF

🚀 Law LLM 13B - GGUF

Law LLM 13B - GGUF 是基于 AdaptLLM 的 Law LLM 13B 模型转换而来的 GGUF 格式模型文件。GGUF 格式是 llama.cpp 团队推出的新格式，具有更好的兼容性和性能。本项目提供了多种量化格式的模型文件，方便不同用户根据自身需求进行选择和使用。

🚀 快速开始

模型信息

模型仓库

• 适用于 GPU 推理的 AWQ 模型
• 适用于 GPU 推理的 GPTQ 模型，具有多种量化参数选项
• 适用于 CPU+GPU 推理的 2、3、4、5、6 和 8 位 GGUF 模型
• AdaptLLM 原始未量化的 fp16 格式 PyTorch 模型，适用于 GPU 推理和进一步转换

✨ 主要特性

关于 GGUF 格式

GGUF 是 llama.cpp 团队在 2023 年 8 月 21 日推出的新格式，用于替代不再受 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 CLI 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，支持所有平台和 GPU 架构的 GPU 加速，特别适合讲故事。
• GPT4All：免费开源的本地运行 GUI，支持 Windows、Linux 和 macOS，具有完整的 GPU 加速。
• LM Studio：适用于 Windows 和 macOS（Silicon）的易于使用且功能强大的本地 GUI，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，便于选择模型。
• Faraday.dev：适用于 Windows 和 macOS（Silicon 和 Intel）的有吸引力且易于使用的基于角色的聊天 GUI，支持 GPU 加速。
• llama-cpp-python：一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 API 服务器的 Python 库。
• candle：一个专注于性能的 Rust ML 框架，包括 GPU 支持和易于使用。
• ctransformers：一个支持 GPU 加速、LangChain 支持和 OpenAI 兼容 AI 服务器的 Python 库。截至 2023 年 11 月 27 日，ctransformers 已经很长时间没有更新，不支持许多最新的模型。

量化方法说明

📦 安装指南

下载 GGUF 文件

⚠️ 重要提示

对于手动下载者来说，几乎永远不需要克隆整个仓库！这里提供了多种不同的量化格式，大多数用户只需要选择并下载单个文件。

以下客户端/库将自动为您下载模型，并提供可用模型列表供您选择：

• LM Studio
• LoLLMS Web UI
• Faraday.dev

在 text-generation-webui 中下载

在“Download Model”下，您可以输入模型仓库地址：TheBloke/law-LLM-13B-GGUF，然后在下方输入要下载的特定文件名，例如：law-llm-13b.Q4_K_M.gguf，然后点击“Download”。

在命令行下载，包括一次下载多个文件

建议使用 huggingface-hub Python 库：

pip3 install huggingface-hub

然后，您可以使用以下命令将任何单个模型文件高速下载到当前目录：

huggingface-cli download TheBloke/law-LLM-13B-GGUF law-llm-13b.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

huggingface-cli download TheBloke/law-LLM-13B-GGUF --local-dir . --local-dir-use-symlinks False --include='*Q4_K*gguf'

pip3 install hf_transfer

HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download TheBloke/law-LLM-13B-GGUF law-llm-13b.Q4_K_M.gguf --local-dir . --local-dir-use-symlinks False

💻 使用示例

基础用法

在 llama.cpp 中运行

确保您使用的是 2023 年 8 月 27 日之后的 llama.cpp 版本（提交号 d0cee0d）。

./main -ngl 35 -m law-llm-13b.Q4_K_M.gguf --color -c 2048 --temp 0.7 --repeat_penalty 1.1 -n -1 -p "[INST] <<SYS>>\n{system_message}\n<</SYS>>\n{prompt} [/INST]"

• -ngl 32：将其更改为要卸载到 GPU 的层数。如果您没有 GPU 加速，请删除此参数。
• -c 2048：将其更改为所需的序列长度。对于扩展序列模型（例如 8K、16K、32K），必要的 RoPE 缩放参数将从 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，因此您可能需要减小此值。
• 如果您想进行聊天式对话，请将 -p <PROMPT> 参数替换为 -i -ins。

有关其他参数及其用法，请参阅 llama.cpp 文档。

在 text-generation-webui 中运行

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

在 Python 代码中运行

您可以使用 llama-cpp-python 或 ctransformers 库从 Python 中使用 GGUF 模型。截至 2023 年 11 月 27 日，ctransformers 已经有一段时间没有更新，并且与一些最新的模型不兼容。因此，建议您使用 llama-cpp-python。

安装 llama-cpp-python 包

根据您的系统运行以下命令之一：

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

# 在 Windows 中，在 PowerShell 中设置 CMAKE_ARGS 变量，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

# 设置要卸载到 GPU 的层数。如果您的系统没有 GPU 加速，请将其设置为 0。
llm = Llama(
  model_path="./law-llm-13b.Q4_K_M.gguf",  # 首先下载模型文件
  n_ctx=2048,  # 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，根据您的系统和性能进行调整
  n_gpu_layers=35         # 如果您有 GPU 加速，要卸载到 GPU 的层数
)

# 简单的推理示例
output = llm(
  "[INST] <<SYS>>\n{system_message}\n<</SYS>>\n{prompt} [/INST]", # 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！请在使用前检查。
  echo=True        # 是否回显提示
)

# 聊天完成 API
llm = Llama(model_path="./law-llm-13b.Q4_K_M.gguf", chat_format="llama-2")  # 根据您使用的模型设置聊天格式
llm.create_chat_completion(
    messages = [
        {"role": "system", "content": "You are a story writing assistant."},
        {
            "role": "user",
            "content": "Write a story about llamas."
        }
    ]
)

高级用法

与 LangChain 一起使用

以下是使用 llama-cpp-python 和 ctransformers 与 LangChain 的指南：

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

📚 详细文档

提供的文件

注意：上述 RAM 数字假设没有 GPU 卸载。如果将层卸载到 GPU，这将减少 RAM 使用并使用 VRAM 代替。

原始模型卡片：AdaptLLM 的 Law LLM 13B

本仓库包含基于 LLaMA-1-13B 开发的特定领域基础模型，使用了我们论文 Adapting Large Language Models via Reading Comprehension 中的方法。

我们探索了对大型语言模型进行 特定领域语料库的持续预训练。虽然这种方法可以丰富大语言模型的领域知识，但会显著损害它们在问答任务中的提示能力。受人类通过阅读理解学习的启发，我们提出了一种简单的方法，将大规模预训练语料库 转换为阅读理解文本，从而在生物医学、金融和法律领域的任务中持续提高提示性能。我们的 7B 模型可以与更大的特定领域模型（如 BloombergGPT-50B）相媲美。

项目更新

• 12/19：发布了基于 LLaMA-1-13B 开发的 13B 基础模型。
• 12/8：发布了基于 LLaMA-2-Chat-7B 开发的 聊天模型。
• 9/18：发布了我们的 论文、代码、数据 和基于 LLaMA-1-7B 开发的 基础模型。

特定领域的 LLaMA-1

LLaMA-1-7B

在我们的论文中，我们基于 LLaMA-1-7B 开发了三个特定领域的模型，这些模型也可以在 Hugging Face 上找到。

📄 许可证

本项目使用 other 许可证。

🔗 相关链接

• TheBloke AI 的 Discord 服务器：获取进一步的支持和参与模型及 AI 相关的讨论。
• Patreon：支持作者并获取优先支持和其他福利。
• Ko-Fi：支持作者的另一种方式。

感谢所有慷慨的赞助者和捐赠者！再次感谢 a16z 的慷慨资助。