Instructions to use Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 with Transformers:

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

pipe = pipeline("text-generation", model="Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24")
model = AutoModelForCausalLM.from_pretrained("Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24", device_map="auto")
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 Settings

vLLM

How to use Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24

SGLang

How to use Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 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 "Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24" \
    --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": "Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24",
		"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 "Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24" \
        --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": "Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 with Docker Model Runner:
```
docker model run hf.co/Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24
```

Генерирует рандомные символы

by Crash3000 - opened Nov 27, 2024

Discussion

Crash3000

Nov 27, 2024

Почему-то генерирует рандомные символы. Кажется дело в tokenzier

DiTy

Vikhr models org Nov 27, 2024

•

edited Nov 27, 2024

Приветствую @Crash3000
Насколько я вижу вы пытаетесь передать в обычный запрос текстом список ролей и контента.
Чтобы всё заработало корректно, необходимо передавать этот список messages=[{'role'...в метод:
tokenizer.apply_chat_template(conversation=messages, tokenize=False, add_generation_prompt=True) после чего вы получите уже преобразованный список в правильный промпт в таком виде:

<s><|start_header_id|>system<|end_header_id|>

Your task is to answer the user's questions using only the information from the provided documents. Give two answers to each question: one with a list of relevant document identifiers and the second with the answer to the question itself, using documents with these identifiers.</s><|start_header_id|>documents<|end_header_id|>

[{"doc_id": 0, "title": "Глобальное потепление: ледники", "content": "За последние 50 лет объем ледников в мире уменьшился на 30%"}, {"doc_id": 1, "title": "Глобальное потепление: Уровень моря", "content": "Уровень мирового океана повысился на 20 см с 1880 года и продолжает расти на 3,3 мм в год"}]</s><|start_header_id|>user<|end_header_id|>

Глоабльное потепление</s><|start_header_id|>assistant<|end_header_id|>

P.s. Однако не рекомендую использовать подобный виджет (тем более для RAG), так как скорее всего у них автоматически всё сообщение пользователя попадает при обработке под роль user, что может быть причиной нестабильной работы. Лучше всего использовать vllm или написать свою предобработку и инференс через transformers как в примере тут

Crash3000 changed discussion status to closed Dec 3, 2024

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