beyoru
/

llama3.1_instruct_1B_r256a156ep3_merge_ins

@@ -1,199 +1,51 @@
 ---
-library_name: transformers
-tags: []
 ---
-# Model Card for Model ID
-<!-- Provide a quick summary of what the model is/does. -->
-## Model Details
-### Model Description
-<!-- Provide a longer summary of what this model is. -->
-This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.
-- **Developed by:** [More Information Needed]
-- **Funded by [optional]:** [More Information Needed]
-- **Shared by [optional]:** [More Information Needed]
-- **Model type:** [More Information Needed]
-- **Language(s) (NLP):** [More Information Needed]
-- **License:** [More Information Needed]
-- **Finetuned from model [optional]:** [More Information Needed]
-### Model Sources [optional]
-<!-- Provide the basic links for the model. -->
-- **Repository:** [More Information Needed]
-- **Paper [optional]:** [More Information Needed]
-- **Demo [optional]:** [More Information Needed]
-## Uses
-<!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. -->
-### Direct Use
-<!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. -->
-[More Information Needed]
-### Downstream Use [optional]
-<!-- This section is for the model use when fine-tuned for a task, or when plugged into a larger ecosystem/app -->
-[More Information Needed]
-### Out-of-Scope Use
-<!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->
-[More Information Needed]
-## Bias, Risks, and Limitations
-<!-- This section is meant to convey both technical and sociotechnical limitations. -->
-[More Information Needed]
-### Recommendations
-<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
-Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.
-## How to Get Started with the Model
-Use the code below to get started with the model.
-[More Information Needed]
-## Training Details
-### Training Data
-<!-- This should link to a Dataset Card, perhaps with a short stub of information on what the training data is all about as well as documentation related to data pre-processing or additional filtering. -->
-[More Information Needed]
-### Training Procedure
-<!-- This relates heavily to the Technical Specifications. Content here should link to that section when it is relevant to the training procedure. -->
-#### Preprocessing [optional]
-[More Information Needed]
-#### Training Hyperparameters
-- **Training regime:** [More Information Needed] <!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
-#### Speeds, Sizes, Times [optional]
-<!-- This section provides information about throughput, start/end time, checkpoint size if relevant, etc. -->
-[More Information Needed]
-## Evaluation
-<!-- This section describes the evaluation protocols and provides the results. -->
-### Testing Data, Factors & Metrics
-#### Testing Data
-<!-- This should link to a Dataset Card if possible. -->
-[More Information Needed]
-#### Factors
-<!-- These are the things the evaluation is disaggregating by, e.g., subpopulations or domains. -->
-[More Information Needed]
-#### Metrics
-<!-- These are the evaluation metrics being used, ideally with a description of why. -->
-[More Information Needed]
-### Results
-[More Information Needed]
-#### Summary
-## Model Examination [optional]
-<!-- Relevant interpretability work for the model goes here -->
-[More Information Needed]
-## Environmental Impact
-<!-- Total emissions (in grams of CO2eq) and additional considerations, such as electricity usage, go here. Edit the suggested text below accordingly -->
-Carbon emissions can be estimated using the [Machine Learning Impact calculator](https://mlco2.github.io/impact#compute) presented in [Lacoste et al. (2019)](https://arxiv.org/abs/1910.09700).
-- **Hardware Type:** [More Information Needed]
-- **Hours used:** [More Information Needed]
-- **Cloud Provider:** [More Information Needed]
-- **Compute Region:** [More Information Needed]
-- **Carbon Emitted:** [More Information Needed]
-## Technical Specifications [optional]
-### Model Architecture and Objective
-[More Information Needed]
-### Compute Infrastructure
-[More Information Needed]
-#### Hardware
-[More Information Needed]
-#### Software
-[More Information Needed]
-## Citation [optional]
-<!-- If there is a paper or blog post introducing the model, the APA and Bibtex information for that should go in this section. -->
-**BibTeX:**
-[More Information Needed]
-**APA:**
-[More Information Needed]
-## Glossary [optional]
-<!-- If relevant, include terms and calculations in this section that can help readers understand the model or model card. -->
-[More Information Needed]
-## More Information [optional]
-[More Information Needed]
-## Model Card Authors [optional]
-[More Information Needed]
-## Model Card Contact
-[More Information Needed]

 ---
+base_model:
+- meta-llama/Llama-3.2-1B-Instruct
+language:
+- en
+license: apache-2.0
+tags:
+- text-generation-inference
+- transformers
+- unsloth
+- llama
+- trl
+- sft
 ---
+# Uploaded  model
+- **Developed by:** beyoru
+- **License:** apache-2.0
+- **Finetuned from model :** unsloth/Llama-3.2-3B-Instruct-bnb-4bit
+# How to use
+```
+from transformers import AutoTokenizer, AutoModelForCausalLM
+tokenizer = AutoTokenizer.from_pretrained("beyoru/llama3.1_instruct_1B_r256a156ep3_merge_ins")
+model = AutoModelForCausalLM.from_pretrained("beyoru/llama3.1_instruct_1B_r256a156ep3_merge_ins")
+alpaca_prompt = """Hãy đọc kỹ hướng dẫn dưới đây để thực hiện nhiệm vụ: tạo một câu hỏi trắc nghiệm với 4 lựa chọn đáp án khác nhau dựa trên ngữ cảnh đã cung cấp.
+### Định dạng câu hỏi:
+Câu hỏi: <nội dung câu hỏi>
+A. <nội dung lựa chọn A>
+B. <nội dung lựa chọn B>
+C. <nội dung lựa chọn C>
+D. <nội dung lựa chọn D>
+Đáp án: <chọn đáp án đúng A, B, C hoặc D>
+### Ngữ cảnh
+{}
+### Phản hồi mẫu:
+"""
+content = "Mở khóa điện thoại thông minh bằng dấu vân tay đã có từ năm 2004 và Pantech Gi100 là mẫu điện thoại có tính năng này vào thời gian ấy. Ngày nay, nhận dạng vân tay được sử dụng rộng rãi dễ xác nhận danh tính của một người trong nhiều việc khác nhau Mỗi số điện thoại thông minh có khả năng xác thực danh tính bằng khuôn mặt thay cho mật khẩu. Ví dụ: iPhone kế từ IPhone X (2017). Samsung Galaxy kế từ S10 (2019), Google Pixel,... Một số điện thoại thông minh hỗ trợ tìm kiếm bằng lời nói nhờ Google Assistant với hệ điều hành Android, nhờ Siri với hệ điều hành iOS. Một số loại tivi thông minh của Samsung, Sony Bravia, TCI..... có điều khiển từ xa với tính năng nhận lệnh bằng lời nói. Hiện nay, một số công cụ hay phần mềm OCR - Optical Character Recognition để nhận dạng hình ảnh kí tự và có khả năng chuyển các ghi chú viết tay thành đoạn văn bản đã được dùng phổ biến. Google Drive hỗ trợ nhận dạng chữ viết tay của hơn 200 ngôn ngữ trong hơn 25 hệ thống chữ viết. Sử dụng Google Drive có thể nhận dạng chữ viết tay chỉ bằng hai thao tác: tải lên tệp ảnh hay PDE; nhấn chuột phải vào biểu tượng tài liệu trong Drive và chọn Open with Google Docs"
+prompt = alpaca_prompt.format(content)
+inputs = tokenizer(prompt, return_tensors="pt")
+output = model.generate(**inputs,
+                        max_new_tokens = 256, do_sample=True)
+answer = tokenizer.decode(output[0], skip_special_tokens=True)
+print(answer)
+```