metadata

license: apache-2.0
datasets:
  - cosimoiaia/Loquace-102k
language:
  - it
tags:
  - Italian
  - Qlora
  - Mistral
  - finetuning

Model Card per Loquace-7B-Mistral (Questa model card è stata tradotta automaticamente utilizzando Loquace.)

🇮🇹 Loquace-7B-Mistral v0.1 🇮🇹

Loquace è una Intelligenza Artificiale (o un Large Language Model) che parla Italiano, addestrata per seguire istruzioni. 🇮🇹

Loquace-7B-Mistral ha alcune caratteristiche peculiari:

È abbastanza bravo a seguire istruzioni in Italiano.
Risponde bene al prompt-engineering.
Funziona bene in sistemi RAG (Retrival Augmented Generation).
È stato addestrato su dati relativamente grezzi Loquace-102K usando il metodo QLoRa e Mistral-7B-Instruct come modello di base.
L'addestramento è durato solo 4 ore su una 3090, costando leggermente più di 1 euro! Sulle GPU di Genesis Cloud
È Veramente Open Source: Sia il modello che i dati e il codice con le istruzioni per replicare i risultati sono completamente disponibili.
È stato creato in un garage del Sud Italia :-)

I modelli LLM della famiglia Loquace sono stati creati con lo scopo di democratizzare l'Intelligenza Artificiale e i Large Language Models nel panorama Italiano.

Non è necessario acquistare GPU costosi, ottenere finanziamenti grandiosi o essere un'istituzione accademica elitaria, basta scaricare il codice e addestrare sui tuoi dati sul tuo PC (o sulle GPU di un provider affidabile ed economico come Genesis Cloud )

Istruzioni per il Fine-tuning:

Il codice relativo al finetuning si trova su: https://github.com/cosimoiaia/Loquace

Versione GGUF per l'utilizzo di CPU (Senza GPU!!!):

La versione 8bit di Loquace puo essere scaricata qui

Qui c'è una lista incompleta di programmi e librerie che sono conosciute per supportare GGUF (Grazie a TheBloke per questa lista e per il suo fantastico lavoro):

llama.cpp. Il progetto primario per il formato GGUF. Fornisce un'interfaccia a riga di comando e una versione server.
[text- generation-webui](https://github.com/oobabooga/text- generation-webui), L'interfaccia web più usata, con molte funzionalità ed estensioni. Supporta anche GPU locali.
KoboldCpp, un'interfaccia utente Web completa, con accelerazione GPU su tutte le piattaforme e architetture GPU. Particolarmente adatto per raccontare storie.
LM Studio, una GUI locale potente e facile da usare per Windows e macOS (Silicon), con accelerazione GPU.
Interfaccia utente Web di LoLLMS, una fantastica interfaccia utente Web con molte funzionalità interessanti e uniche, inclusa una libreria di modelli completa per una facile selezione del modello.
Faraday.dev, una GUI di chat basata sui caratteri attraente e facile da usare per Windows e macOS (sia Silicon che Intel), con accelerazione GPU.
ctransformers, una libreria Python con accelerazione GPU, supporto LangChain e server AI compatibile con OpenAI.
llama-cpp-python, una libreria Python con accelerazione GPU, supporto LangChain e server API compatibile con OpenAI.
candle, un framework Rust ML incentrato sulle prestazioni, incluso il supporto GPU e sulla facilità d'uso.

Previous releases of the Loquace family:

La Famiglia di Modelli Loquace è nata agli inizi del 2023 con lo scopo di provare che è possibile addestrare un LLM in una lingua diversa da quella del modello di base. Potete trovare gli altri modelli qui:

https://huggingface.co/cosimoiaia/Loquace-70m - Based on pythia-70m
https://huggingface.co/cosimoiaia/Loquace-410m - Based on pythia-410m
https://huggingface.co/cosimoiaia/Loquace-7B - Based on Falcon-7B
https://huggingface.co/cosimoiaia/Loquace-12B - Based on pythia-12B
https://huggingface.co/cosimoiaia/Loquace-20B - Based on gpt-neox-20B

Questi modelli, seppur non producono risultati accettabili, sono la prova di quanto sia possibile effettuare il finetuning di un LLM in poco tempo, con dati relativamente grezzi e risorse veramente ridotte.

Utilizzo:

from transformers import MistralForCausalLM, AutoTokenizer


def generate_prompt(instruction):    
   prompt = f"""### Instruction: {instruction}
   
### Response:
"""
   return prompt

model_name = "cosimoiaia/Loquace-7B-Mistral"

model = MistralForCausalLM.from_pretrained(
   model_name,
   device_map="auto",
   torch_dtype=torch.bfloat16                
)

model.config.use_cache = True


tokenizer = AutoTokenizer.from_pretrained(model_name, add_eos_token=False)

prompt = generate_prompt("Chi era Dante Alighieri?")
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

outputs = model.generate(**inputs, do_sample = True, num_beams = 2, top_k=50, top_p= 0.95, max_new_tokens=2046, early_stopping = True)
print(tokenizer.decode(outputs[0], skip_special_tokens=True).split("Response:")[1].strip())

Esempi di risposta:

> Pretendi di essere Dante Alighieri e raccontami la tua vita.
 Sono Dante Alighieri, un poeta e scrittore italiano del XIV secolo. Nacqui a Firenze nel 1265 e ho trascorso gran parte della mia vita viaggiando in Europa e scrivendo poesie. Ho anche scritto la Divina Commedia, una delle opere letterarie più famose di tutti i tempi.

> Quanto fa 7 x 14 - 98 ?
 7 x 14 = 98, quindi la risposta è 0.

> La radice quadrata di 144 ?
 La radice quadrata di 144 è 12.

> Inventa una ricetta pugliese con la polenta.
 La ricetta è chiamata "Polenta al burro di arachidi e formaggio". Per prepararla, inizia bollendo la polenta secondo le istruzioni sulla confezione. Mentre la polenta si cucina, mescola insieme 1/2 tazza di burro di arachidi, 1/4 di tazza di formaggio grattugiato e 1/4 di tazza di parmigiano grattugiato. Una volta che la polenta è cotta, versala su una teglia da forno e distribuire il composto di burro di arachidi e formaggio sopra la polenta. Metti in forno a 350 gradi per 15 minuti o fino a quando la parte superiore è dorata. Servi caldo con un'insalata di pomodoro e basilico fresco.

Limitazioni:

Loquace-7B potrebbe non gestire bene query complesse o sfumate e potrebbe avere problemi con input ambigui o mal formattati.
Il modello può generare risposte di fatto errate o prive di senso. Dovrebbe essere usato con cautela e gli output dovrebbero essere attentamente verificati.

Autore:

Cosimo Iaia [email protected]