File size: 2,272 Bytes
192bd08 e436dee 5f22213 192bd08 e436dee 192bd08 e436dee 192bd08 e436dee 192bd08 e436dee 192bd08 e436dee 192bd08 e436dee 192bd08 e436dee 192bd08 e436dee 192bd08 e436dee ed97929 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 | ---
license: apache-2.0
base_model:
- HuggingFaceTB/SmolLM2-360M-Instruct
language:
- en
pipeline_tag: text-generation
tags:
- safetensors
- onnx
- transformers.js
---
# 🌞 Solara — summerstars/Solara
## **Created by a High School Student | Built on Google Colab (T4 GPU)**
## **高校生によって開発 | Google Colab（T4 GPU）で作成**
**Solara** is a lightweight, instruction-tuned language model based on [`HuggingFaceTB/SmolLM2-360M-Instruct`](https://huggingface.co/HuggingFaceTB/SmolLM2-360M-Instruct).
It was developed by a high school student using Google Colab with a T4 GPU.
Despite its compact size, Solara delivers quick responses and handles everyday tasks efficiently.
**Solara（ソララ）** は、[`HuggingFaceTB/SmolLM2-360M-Instruct`](https://huggingface.co/HuggingFaceTB/SmolLM2-360M-Instruct) をベースとした軽量な指示応答型言語モデルです。
Google Colab（T4 GPU）を使用して高校生が開発しました。
小型ながら、日常のタスクや会話を効率的かつ高速に処理します。
---
## 📌 Model Details / モデル詳細
- **Base Model / ベースモデル**: HuggingFaceTB/SmolLM2-360M-Instruct
- **Parameters / パラメータ数**: 360M
- **Architecture / アーキテクチャ**: Decoder-only Transformer / デコーダ専用トランスフォーマー
- **Languages / 対応言語**: English / 英語
- **License / ライセンス**: Apache 2.0
---
## 🚀 Use Cases / 主な用途
- Lightweight chatbots / 軽量チャットボット
- Inference on CPUs or mobile devices / CPU・モバイル端末での推論
- Educational or hobbyist projects / 教育・趣味用途
- Instruction-following tasks / 指示応答タスク
---
## 🛠️ How to Use / 使用方法
```python
from transformers import AutoTokenizer, AutoModelForCausalLM
model_name = "summerstars/Solara"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)
prompt = "Please explain black holes in simple terms."
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=128)
# Print the result / 結果を表示
print(tokenizer.decode(outputs[0], skip_special_tokens=True)) |