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

Libraries

How to use Finisha-F-scratch/Lamina-basic with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/Lamina-basic")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Lamina-basic")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Lamina-basic")

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use Finisha-F-scratch/Lamina-basic with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/Finisha-F-scratch/Lamina-basic

SGLang

How to use Finisha-F-scratch/Lamina-basic 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/Lamina-basic" \
    --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": "Finisha-F-scratch/Lamina-basic",
		"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 "Finisha-F-scratch/Lamina-basic" \
        --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": "Finisha-F-scratch/Lamina-basic",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Finisha-F-scratch/Lamina-basic with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/Lamina-basic
```

Clemylia commited on Sep 21, 2025

Commit

0e44abd

verified ·

1 Parent(s): fe90b04

Update README.md

Browse files

Files changed (1) hide show

README.md +0 -11

README.md CHANGED Viewed

@@ -60,23 +60,12 @@ print(result[0]['generated_text'])
 \<hr\>
-## \#\# ✅ Usages Prévus et ⚠️ Limitations
-Il est crucial de comprendre que `Lamina-basic` est un prototype avec des capacités extrêmement limitées.
 ### \#\#\# ✅ Usages Prévus
   * **Démonstration Pédagogique :** Montrer le résultat d'un cycle complet de création d'un LLM.
   * **Apprentissage :** Servir de base pour comprendre comment fonctionnent les modèles de langage.
   * **Expérimentation :** Être un point de départ pour une V2 avec plus de données et une plus grande architecture.
-### \#\#\# ⚠️ Limitations et Risques
-  * **Génération de texte non cohérente :** En raison de son entraînement très limité, les phrases générées n'ont souvent **aucun sens logique**.
-  * **Connaissances quasi-nulles :** Le modèle ne connaît que les quelques phrases exactes présentes dans son micro-dataset. Il ne possède aucune connaissance du monde réel.
-  * **Biais potentiels :** Comme tout modèle de langage, il peut reproduire les biais présents dans ses données d'entraînement. Étant donné la petite taille du dataset, ces biais ne sont pas étudiés.
------
 \<hr\>

 \<hr\>
 ### \#\#\# ✅ Usages Prévus
   * **Démonstration Pédagogique :** Montrer le résultat d'un cycle complet de création d'un LLM.
   * **Apprentissage :** Servir de base pour comprendre comment fonctionnent les modèles de langage.
   * **Expérimentation :** Être un point de départ pour une V2 avec plus de données et une plus grande architecture.
 \<hr\>