Instructions to use CYFRAGOVPL/PLLuM-12B-chat with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use CYFRAGOVPL/PLLuM-12B-chat with Transformers:

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

pipe = pipeline("text-generation", model="CYFRAGOVPL/PLLuM-12B-chat")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("CYFRAGOVPL/PLLuM-12B-chat")
model = AutoModelForCausalLM.from_pretrained("CYFRAGOVPL/PLLuM-12B-chat")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Inference
Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use CYFRAGOVPL/PLLuM-12B-chat with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "CYFRAGOVPL/PLLuM-12B-chat"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "CYFRAGOVPL/PLLuM-12B-chat",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/CYFRAGOVPL/PLLuM-12B-chat

SGLang

How to use CYFRAGOVPL/PLLuM-12B-chat 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 "CYFRAGOVPL/PLLuM-12B-chat" \
    --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": "CYFRAGOVPL/PLLuM-12B-chat",
		"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 "CYFRAGOVPL/PLLuM-12B-chat" \
        --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": "CYFRAGOVPL/PLLuM-12B-chat",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use CYFRAGOVPL/PLLuM-12B-chat with Docker Model Runner:
```
docker model run hf.co/CYFRAGOVPL/PLLuM-12B-chat
```

Problem z generowaniem odpowiedzi

by tqosek - opened Mar 18, 2025

Discussion

tqosek

Mar 18, 2025

Witam serdecznie,

Mam pytanie odnośnie generowania odpowiedzi z użyciem modelu z przykładu.

Otóż korzystam z GoogleColab, gdzie próbuję uruchomić zaproponowane linie kodu.

Oto przykład:

!pip install transformers accelerate torch

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "CYFRAGOVPL/PLLuM-12B-chat"
tokenizer = AutoTokenizer.from_pretrained(model_name)

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto"  # automatically places model layers on available devices
)

Natomiast nie mogłem uruchomić standardowego kodu zaproponowanego dla outputu.
Musiałem zrobić zmiany, tj:

prompt = "Napisz krótki wiersz o wiośnie." # EN:"Write a short poem about spring."
inputs = tokenizer(prompt, return_token_type_ids=False, return_tensors="pt").to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=50,
    do_sample=True,
    top_k=50,
    top_p=0.9,
    temperature=0.7,
    eos_token_id=None
)

generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(generated_text)

Jak widać dodałem argument: return_token_type_ids=False - inaczej komórka nie startowała
W dodatku eos_token_id=None.

Jednakże coś jest nie tak z outputem - generuje się on w GoogleColab jakieś 5-6 minut, po czym ma mniej niż 50 tokenów.
Oto output, który został wygenerowany:

Napisz krótki wiersz o wiośnie.Wiosna budzi się do życia,
Słońce świeci jaśniej,
Kwiaty zaczynają kwitnąć,
Ptaki śpiewają radośniej.

Zielone liście pojaw

Czy mogę prosić o wsparcie?

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