Instructions to use AnhLee0/Lab22 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use AnhLee0/Lab22 with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="AnhLee0/Lab22",
	filename="adapters/merged-fp16_gguf/merged-fp16.Q4_K_M.gguf",
)

output = llm(
	"Once upon a time,",
	max_tokens=512,
	echo=True
)
print(output)

Notebooks
Google Colab
Kaggle
Local Apps

llama.cpp

How to use AnhLee0/Lab22 with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf AnhLee0/Lab22:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf AnhLee0/Lab22:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf AnhLee0/Lab22:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf AnhLee0/Lab22:Q4_K_M

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf AnhLee0/Lab22:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf AnhLee0/Lab22:Q4_K_M

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf AnhLee0/Lab22:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf AnhLee0/Lab22:Q4_K_M

Use Docker

docker model run hf.co/AnhLee0/Lab22:Q4_K_M

LM Studio
Jan
Ollama
How to use AnhLee0/Lab22 with Ollama:
```
ollama run hf.co/AnhLee0/Lab22:Q4_K_M
```

Unsloth Studio new

How to use AnhLee0/Lab22 with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for AnhLee0/Lab22 to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for AnhLee0/Lab22 to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for AnhLee0/Lab22 to start chatting

Docker Model Runner
How to use AnhLee0/Lab22 with Docker Model Runner:
```
docker model run hf.co/AnhLee0/Lab22:Q4_K_M
```

Lemonade

How to use AnhLee0/Lab22 with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull AnhLee0/Lab22:Q4_K_M

Run and chat with the model

lemonade run user.Lab22-Q4_K_M

List all available models

lemonade list

Lab22 / data /eval /deploy_meta.json

AnhLee0

Cập nhật toàn bộ kết quả Lab 22 (SFT, DPO, GGUF)

7ab1d88 verified 18 days ago

raw

history blame contribute delete

1.5 kB

	{
	"compute_tier": "T4",
	"base_model": "unsloth/Qwen2.5-3B",
	"merged_path": "/teamspace/studios/this_studio/lab22/adapters/merged-fp16",
	"gguf_path": "/teamspace/studios/this_studio/lab22/adapters/merged-fp16_gguf/merged-fp16.Q4_K_M.gguf",
	"gguf_size_mb": 1929.9,
	"quantization": "q4_k_m",
	"smoke_prompt": "Giải thích ngắn gọn (3 câu) cách thuật toán Bubble sort hoạt động.",
	"smoke_response": " Bubble Sort là một thuật toán sắp xếp phổ biến được sử dụng để sắp xếp một tập hợp các phần tử. Nó hoạt động bằng cách lặp lại quá trình so sánh hai phần tử liên tiếp trong tập hợp và nếu chúng không nằm trong thứ tự đúng thì chúng sẽ được đổi chỗ với nhau. Quá trình này được gọi là một vòng lặp và nó được lặp lại cho đến khi tập hợp không còn bất kỳ phần tử nào được so sánh. Sau mỗi vòng lặp, phần tử cuối cùng trong tập hợp sẽ được sắp xếp đúng vị trí. Điều này tiếp tục cho đến khi tập hợp được sắp xếp hoàn toàn. Điều này có nghĩa là thuật toán này có thể mất nhiều thời gian hơn so với các thuật toán sắp xếp khác, nhưng nó đơn giản và dễ hiểu. Nó cũng có thể được sử dụng để sắp xếp các tập hợp lớn hơn, vì nó không cần bất kỳ thông tin nào về tập hợp trước đó. Tóm lại"
	}