|
--- |
|
inference: false |
|
language: |
|
- pt |
|
license: apache-2.0 |
|
model_creator: 22H |
|
model_link: https://huggingface.co/22h/open-cabrita3b |
|
model_name: Open Cabrita 3B |
|
model_type: llama |
|
quantized_by: lucianosb |
|
pipeline_tag: text-generation |
|
--- |
|
|
|
# Open Cabrita 3B - GGUF |
|
- Criador do Modelo: [22h](https://huggingface.co/22h) |
|
- Modelo Original: [Open Cabrita 3B](https://huggingface.co/22h/open-cabrita3b) |
|
- Artigo: [CABRITA: CLOSING THE GAP FOR FOREIGN LANGUAGES](https://arxiv.org/pdf/2308.11878.pdf) |
|
|
|
## Arquivos Incluídos |
|
|
|
| Nome | Método Quant | Bits | Tamanho | Desc | |
|
| ---- | ---- | ---- | ---- | ----- | |
|
| [ggml-opencabrita3b-q4_0.gguf](https://huggingface.co/lucianosb/open-cabrita3b-GGUF/blob/main/ggml-opencabrita3b-q4_0.gguf) | q4_0 | 4 | 1.94 GB | Quantização em 4-bit. | |
|
| [ggml-opencabrita3b-q4_1.gguf](https://huggingface.co/lucianosb/open-cabrita3b-GGUF/blob/main/ggml-opencabrita3b-q4_1.gguf) | q4_1 | 4 | 2.14 GB | Quantização em 4-bit. Acurácia maior que q4_0 mas não tão boa quanto q5_0. Inferência mais rápida que os modelos q5. | |
|
| [ggml-opencabrita3b-q5_0.gguf](https://huggingface.co/lucianosb/open-cabrita3b-GGUF/blob/main/ggml-opencabrita3b-q5_0.gguf) | q5_0 | 5 | 2.34 GB | Quantização em 5-bit. Melhor acurácia, maior uso de recursos, inferência mais lenta. | |
|
| [ggml-opencabrita3b-q5_1.gguf](https://huggingface.co/lucianosb/open-cabrita3b-GGUF/blob/main/ggml-opencabrita3b-q5_1.gguf) | q5_1 | 5 | 2.53 GB | Quantização em 5-bit. Ainda Melhor acurácia, maior uso de recursos, inferência mais lenta. | |
|
| [ggml-opencabrita3b-q8_0.gguf](https://huggingface.co/lucianosb/open-cabrita3b-GGUF/blob/main/ggml-opencabrita3b-q8_0.gguf) | q8_0 | 8 | 3.52 GB | Quantização em 8-bit. Quase indistinguível do float16. Usa muitos recursos e é mais lento. | |
|
|
|
**Observação**: os valores de RAM acima não pressupõem descarregamento de GPU. Se as camadas forem descarregadas para a GPU, isso reduzirá o uso de RAM e usará VRAM. |
|
|
|
## Como executar com `llama.cpp` |
|
|
|
Usei o seguinte comando. Ajuste para suas necessidades: |
|
|
|
``` |
|
./main -m ./models/open-cabrita3b/ggml-opencabrita3b-q5_1.gguf -n 128 -p "Instrução: Escreva um poema sobre Ciência e Tecnologia. Resposta: " |
|
``` |
|
|
|
Para compreender os parâmetros, veja [a documentação do llama.cpp](https://github.com/ggerganov/llama.cpp/blob/master/examples/main/README.md) |
|
|
|
Experimente gratuitamente no Google Colab: [Rodando Cabrita com llamacpp.ipynb](https://colab.research.google.com/github/lucianosb/cabrita-notebooks/blob/main/Rodando_Cabrita_com_llamacpp.ipynb) |
|
|
|
## Sobre o formato GGUF |
|
|
|
GGUF é um novo formato introduzido pela equipe llama.cpp em 21 de agosto de 2023. É um substituto para o GGML, que não é mais suportado pelo llama.cpp. |
|
|
|
O principal benefício do GGUF é que ele é um formato extensível e à prova de futuro que armazena mais informações sobre o modelo como metadados. Ele também inclui código de tokenização significativamente melhorado, incluindo pela primeira vez suporte total para tokens especiais. Isso deve melhorar o desempenho, especialmente com modelos que usam novos tokens especiais e implementam modelos de prompt personalizados. |
|
|
|
Aqui está uma lista de clientes e bibliotecas que são conhecidos por suportar GGUF: |
|
|
|
- [llama.cpp](https://github.com/ggerganov/llama.cpp). |
|
- [text-generation-webui](https://github.com/oobabooga/text-generation-webui), a interface web mais amplamente utilizada. Suporta GGUF com aceleração GPU via backend ctransformers - backend llama-cpp-python deve funcionar em breve também. |
|
- [KoboldCpp](https://github.com/LostRuins/koboldcpp), agora suporta GGUF a partir da versão 1.41! Uma poderosa interface web GGML, com aceleração total da GPU. Especialmente bom para contar histórias. |
|
- [LM Studio](https://lmstudio.ai), versão 0.2.2 e posteriores suportam GGUF. Uma GUI local totalmente equipada com aceleração GPU em ambos Windows (NVidia e AMD) e macOS. |
|
- [LoLLMS Web UI](https://github.com/ParisNeo/lollms-webui), agora deve funcionar, escolha o backend c_transformers. Uma ótima interface web com muitos recursos interessantes. Suporta aceleração GPU CUDA. |
|
- [ctransformers](https://github.com/marella/ctransformers), agora suporta GGUF a partir da versão 0.2.24! Uma biblioteca Python com aceleração GPU, suporte LangChain e servidor AI compatível com OpenAI. |
|
- [llama-cpp-python](https://github.com/abetlen/llama-cpp-python), suporta GGUF a partir da versão 0.1.79. Uma biblioteca Python com aceleração GPU, suporte LangChain e servidor API compatível com OpenAI. |
|
- [candle](https://github.com/huggingface/candle), adicionou suporte GGUF em 22 de agosto. Candle é um framework ML Rust com foco em desempenho, incluindo suporte GPU e facilidade de uso. |
|
- [LocalAI](https://github.com/go-skynet/LocalAI), adicionou suporte GGUF em 23 de agosto. LocalAI provê uma API Rest para modelos LLM e de geração de imagens. |
|
|
|
## Template |
|
|
|
```` |
|
### Instrução: |
|
{prompt} |
|
|
|
### Resposta: |
|
```` |
