Instructions to use Finisha-F-scratch/Lam-pest with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Finisha-F-scratch/Lam-pest with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/Lam-pest")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Lam-pest")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Lam-pest")
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]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Finisha-F-scratch/Lam-pest with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/Finisha-F-scratch/Lam-pest

SGLang

How to use Finisha-F-scratch/Lam-pest 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 "Finisha-F-scratch/Lam-pest" \
    --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": "Finisha-F-scratch/Lam-pest",
		"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 "Finisha-F-scratch/Lam-pest" \
        --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": "Finisha-F-scratch/Lam-pest",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Finisha-F-scratch/Lam-pest with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/Lam-pest
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

♥️ Lam-pest 🌶️

Lam-pest est un SLM (petit modèle de langage), Conçu pour générer du texte et s'exprimer avec des Néologismes autour de la peste, et des maladies médiévales.

Lam-pest est une version affiné de notre modèle de fondation lam-4-zero-f, Pour une tâche et un rôle précis : générer du texte avec Néologismes autour de la maladie macabre du moyen-âge.

🌼 Utiliser

utiliser seulement les outils de transformers standards.

🚀 Note et droits d'auteurs

Lam-pest est distribué, sous les termes des SLM basés sur la série lamina. Il est open-source, mais soumis a des conditions de crédits si vous le réutilisez dans vos projets.

🛑 Limitations

Merci de ne pas utiliser Lam-pest pour des conseils médicaux ou autre. Lam-pest est uniquement un petit modèle de language conçu pour s'exprimer comme un médecin médiéval avec des Néologismes. Il n'est pas conçu pour être un assistant de médecine moderne ou conventionnelle, De plus, veuillez vous prendre proche de vrai médecins humains.

Bonne utilisation!

Downloads last month: 9

Safetensors

Model size

51M params

Tensor type

F32

Model tree for Finisha-F-scratch/Lam-pest

Quantizations

2 models

Spaces using Finisha-F-scratch/Lam-pest 2

Collection including Finisha-F-scratch/Lam-pest

From scratch

Collection

Finisha SLM ✨ • 87 items • Updated Mar 23