Instructions to use DeepMount00/Mistral-RAG with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use DeepMount00/Mistral-RAG with Transformers:

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

pipe = pipeline("text-generation", model="DeepMount00/Mistral-RAG")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("DeepMount00/Mistral-RAG")
model = AutoModelForCausalLM.from_pretrained("DeepMount00/Mistral-RAG")

Inference
Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use DeepMount00/Mistral-RAG with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "DeepMount00/Mistral-RAG"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "DeepMount00/Mistral-RAG",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/DeepMount00/Mistral-RAG

SGLang

How to use DeepMount00/Mistral-RAG 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 "DeepMount00/Mistral-RAG" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "DeepMount00/Mistral-RAG",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

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 "DeepMount00/Mistral-RAG" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "DeepMount00/Mistral-RAG",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use DeepMount00/Mistral-RAG with Docker Model Runner:
```
docker model run hf.co/DeepMount00/Mistral-RAG
```

DeepMount00 commited on Apr 20, 2024

Commit

4f19204

verified ·

1 Parent(s): 28c6af2

Update README.md

Browse files

Files changed (1) hide show

README.md +16 -4

README.md CHANGED Viewed

@@ -20,18 +20,30 @@ model = AutoModelForCausalLM.from_pretrained(MODEL_NAME, torch_dtype=torch.bfloa
 model.to(device)
 tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
-def generate_answer(prompt):
     messages = [
         {"role": "user", "content": prompt},
     ]
     model_inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(device)
     generated_ids = model.generate(model_inputs, max_new_tokens=200, do_sample=True,
-                                          temperature=0.001, eos_token_id=tokenizer.eos_token_id)
     decoded = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)
     return decoded[0]
-prompt = "Come si apre un file json in python?"
-answer = generate_answer(prompt)
 print(answer)
 ```
 ---

 model.to(device)
 tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+def generate_answer(prompt, response_type="generativo"):
+    # Creazione del contesto e della domanda in base al tipo di risposta
+    if response_type == "estrattivo":
+        prompt = f"Rispondi alla seguente domanda in modo estrattivo, basandoti esclusivamente sul contesto.\n{prompt}"
+    else:
+        prompt = f"Rispondi alla seguente domanda in modo generativo, basandoti esclusivamente sul contesto.\n{prompt}"
+    # Preparazione del messaggio per il modello
     messages = [
         {"role": "user", "content": prompt},
     ]
     model_inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(device)
     generated_ids = model.generate(model_inputs, max_new_tokens=200, do_sample=True,
+                                   temperature=0.001, eos_token_id=tokenizer.eos_token_id)
     decoded = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)
     return decoded[0]
+# Esempio di utilizzo con la nuova funzionalità
+contesto = """Venerdì più di 2.100 persone che vivono vicino a un vulcano in Indonesia sono state sfollate per i rischi legati a un’eruzione. Martedì infatti l’isola vulcanica di Ruang, che si trova circa 100 chilometri a nord di Sulawesi, ha cominciato a eruttare, producendo una colonna di fumo e ceneri che ieri ha raggiunto 1.200 metri di altezza. Le operazioni di evacuazione sono ancora in corso: complessivamente sono più di 11mila le persone a cui è stato detto di lasciare le proprie case. Gran parte di loro vive sulla vicina isola di Tagulandang, che in totale ha 20mila abitanti; potrebbe essere raggiunta non solo dalle ceneri vulcaniche e dai piroclasti, ma anche da un eventuale tsunami causato dalla caduta in mare di lava e rocce."""
+domanda = "Perchè le persone sono evacuate dalle case?"
+prompt = f"Contesto: {contesto}\nDomanda: {domanda}"
+# Chiamata alla funzione generate_answer con il tipo di risposta desiderato
+answer = generate_answer(prompt, "estrattivo")
 print(answer)
 ```
 ---