richarderkhov/haqishen_-_llama-3-8b-japanese-instruct-gguf overview

{
  "metadata": {},
  "card_data": {
    "frontmatter": {},
    "hero_image_url": "",
    "summary": "Quantization made by Richard Erkhov. Github Discord Request more models Llama-3-8B-Japanese-Instruct - GGUF | Name | Quant method | Size | | ---- | ---- | ---- | | Llama-3-8B-Japanese-Instruct.Q2_K.gguf | Q2_K | 2.96GB | | Llama-3-8B-Japanese-Instruct.IQ3_XS.gguf | IQ3_XS | 3.28GB | | Llama-3-8B-Japanese-Instruct.IQ3_S.gguf | IQ3_S | 3.43GB | | Llama-3-8B-Japanese-Instruct.Q3_K_S.gguf | Q3_K_S | 3.41GB | | Llama-3-8B-Japanese-Instruct.IQ3_M.gguf | IQ3_M | 3.52GB | | Llama-3-8B-Japanese-Instruct.Q3_K.gguf | Q3_K | 3.74GB | | Llama-3-8B-Japanese-Instruct.Q3_K_M.gguf | Q3_K_M | 3.74GB | | Llama-3-8B-Japanese-Instruct.Q3_K_L.gguf | Q3_K_L | 4.03GB | | Llama-3-8B-Japanese-Instruct.IQ4_XS.gguf | IQ4_XS | 4.18GB | | Llama-3-8B-Japanese-Instruct.Q4_0.gguf | Q4_0 | 4.34GB | | Llama-3-8B-Japanese-Instruct.IQ4_NL.gguf | IQ4_NL | 4.38GB | | Llama-3-8B-Japanese-Instruct.Q4_K_S.gguf | Q4_K_S | 4.37GB | | Llama-3-8B-Japanese-Instruct.Q4_K.gguf | Q4_K | 4.58GB | | Llama-3-8B-Japanese-Instruct.Q4_K_M.gguf | Q4_K_M | 4.58GB | | Llama-3-8B-Japanese-Instruct.Q4_1.gguf | Q4_1 | 4.78GB | | Llama-3-8B-Japanese-Instruct.Q5_0.gguf | Q5_0 | 5.21GB | | Llama-3-8B-Japanese-Instruct.Q5_K_S.gguf | Q5_K_S | 5.21GB | | Llama-3-8B-Japanese-Instruct.Q5_K.gguf | Q5_K | 5.34GB | | Llama-3-8B-Japanese-Instruct.Q5_K_M.gguf | Q5_K_M | 5.34GB | | Llama-3-8B-Japanese-Instruct.Q5_1.gguf | Q5_1 | 5.65GB | | Llama-3-8B-Japanese-Instruct.Q6_K.gguf | Q6_K | 6.14GB | | Llama-3-8B-Japanese-Instruct.Q8_0.gguf | Q8_0 | 7.95GB | Original model description: --- language: license: llama3 base_model: meta-llama/Meta-Llama-3-8B-Instruct datasets: library_name: transformers pipeline_tag: text-generation ---",
    "quick_links": [],
    "benchmark_table_html": "",
    "readme_markdown": "Quantization made by Richard Erkhov.\n\n[Github](https://github.com/RichardErkhov)\n\n[Discord](https://discord.gg/pvy7H8DZMG)\n\n[Request more models](https://github.com/RichardErkhov/quant_request)\n\n\nLlama-3-8B-Japanese-Instruct - GGUF\n- Model creator: https://huggingface.co/haqishen/\n- Original model: https://huggingface.co/haqishen/Llama-3-8B-Japanese-Instruct/\n\n\n| Name | Quant method | Size |\n| ---- | ---- | ---- |\n| [Llama-3-8B-Japanese-Instruct.Q2_K.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q2_K.gguf) | Q2_K | 2.96GB |\n| [Llama-3-8B-Japanese-Instruct.IQ3_XS.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.IQ3_XS.gguf) | IQ3_XS | 3.28GB |\n| [Llama-3-8B-Japanese-Instruct.IQ3_S.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.IQ3_S.gguf) | IQ3_S | 3.43GB |\n| [Llama-3-8B-Japanese-Instruct.Q3_K_S.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q3_K_S.gguf) | Q3_K_S | 3.41GB |\n| [Llama-3-8B-Japanese-Instruct.IQ3_M.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.IQ3_M.gguf) | IQ3_M | 3.52GB |\n| [Llama-3-8B-Japanese-Instruct.Q3_K.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q3_K.gguf) | Q3_K | 3.74GB |\n| [Llama-3-8B-Japanese-Instruct.Q3_K_M.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q3_K_M.gguf) | Q3_K_M | 3.74GB |\n| [Llama-3-8B-Japanese-Instruct.Q3_K_L.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q3_K_L.gguf) | Q3_K_L | 4.03GB |\n| [Llama-3-8B-Japanese-Instruct.IQ4_XS.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.IQ4_XS.gguf) | IQ4_XS | 4.18GB |\n| [Llama-3-8B-Japanese-Instruct.Q4_0.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q4_0.gguf) | Q4_0 | 4.34GB |\n| [Llama-3-8B-Japanese-Instruct.IQ4_NL.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.IQ4_NL.gguf) | IQ4_NL | 4.38GB |\n| [Llama-3-8B-Japanese-Instruct.Q4_K_S.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q4_K_S.gguf) | Q4_K_S | 4.37GB |\n| [Llama-3-8B-Japanese-Instruct.Q4_K.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q4_K.gguf) | Q4_K | 4.58GB |\n| [Llama-3-8B-Japanese-Instruct.Q4_K_M.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q4_K_M.gguf) | Q4_K_M | 4.58GB |\n| [Llama-3-8B-Japanese-Instruct.Q4_1.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q4_1.gguf) | Q4_1 | 4.78GB |\n| [Llama-3-8B-Japanese-Instruct.Q5_0.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q5_0.gguf) | Q5_0 | 5.21GB |\n| [Llama-3-8B-Japanese-Instruct.Q5_K_S.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q5_K_S.gguf) | Q5_K_S | 5.21GB |\n| [Llama-3-8B-Japanese-Instruct.Q5_K.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q5_K.gguf) | Q5_K | 5.34GB |\n| [Llama-3-8B-Japanese-Instruct.Q5_K_M.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q5_K_M.gguf) | Q5_K_M | 5.34GB |\n| [Llama-3-8B-Japanese-Instruct.Q5_1.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q5_1.gguf) | Q5_1 | 5.65GB |\n| [Llama-3-8B-Japanese-Instruct.Q6_K.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q6_K.gguf) | Q6_K | 6.14GB |\n| [Llama-3-8B-Japanese-Instruct.Q8_0.gguf](https://huggingface.co/RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf/blob/main/Llama-3-8B-Japanese-Instruct.Q8_0.gguf) | Q8_0 | 7.95GB |\n\n\n\n\nOriginal model description:\n---\nlanguage:\n- en\n- ja\nlicense: llama3\nbase_model: meta-llama/Meta-Llama-3-8B-Instruct\ndatasets:\n- fujiki/japanese_hh-rlhf-49k\nlibrary_name: transformers\npipeline_tag: text-generation\n---\n\n## Introduction\n\nWho am I: Qishen Ha [[Kaggle](https://www.kaggle.com/haqishen)] [[X](https://twitter.com/KeishinKoh)] [[LinkedIn](https://www.linkedin.com/in/haqishen/)]\n\nThis is a `meta-llama/Meta-Llama-3-8B-Instruct` model that finetuned on **Japanese** conversation dataset.\n\nDataset: [japanese_hh-rlhf-49k](https://huggingface.co/datasets/fujiki/japanese_hh-rlhf-49k)\n\nTraining framework: [LLaMA-Factory](https://github.com/hiyouga/LLaMA-Factory/tree/main)\n\nReference: [shenzhi-wang/Llama3-8B-Chinese-Chat](https://huggingface.co/shenzhi-wang/Llama3-8B-Chinese-Chat)\n\nTraining max context length: 8192\n\n## How to use\n\nThis repository contains two versions of Meta-Llama-3-8B-Instruct, for use with transformers and with the original `llama3` codebase.\n\n### Use with transformers\n\nYou can run conversational inference using the Transformers pipeline abstraction, or by leveraging the Auto classes with the `generate()` function. Let's see examples of both.\n\n#### Transformers pipeline\n\n```python\nimport transformers\nimport torch\n\nmodel_id = \"haqishen/Llama-3-8B-Japanese-Instruct\"\n\npipeline = transformers.pipeline(\n    \"text-generation\",\n    model=model_id,\n    model_kwargs={\"torch_dtype\": torch.bfloat16},\n    device=\"cuda\",\n)\n\nmessages = [\n    {\"role\": \"system\", \"content\": \"あなたは、常に海賊の言葉で返事する海賊チャットボットです！\"},\n    {\"role\": \"user\", \"content\": \"自己紹介してください\"},\n]\n\nprompt = pipeline.tokenizer.apply_chat_template(\n\t\tmessages, \n\t\ttokenize=False, \n\t\tadd_generation_prompt=True\n)\n\nterminators = [\n    pipeline.tokenizer.eos_token_id,\n    pipeline.tokenizer.convert_tokens_to_ids(\"<|eot_id|>\")\n]\n\noutputs = pipeline(\n    prompt,\n    max_new_tokens=256,\n    eos_token_id=terminators,\n    do_sample=True,\n    temperature=0.6,\n    top_p=0.9,\n)\nprint(outputs[0][\"generated_text\"][len(prompt):])\n```\n\n#### Transformers AutoModelForCausalLM\n\n```python\nfrom transformers import AutoTokenizer, AutoModelForCausalLM\nimport torch\n\nmodel_id = \"haqishen/Llama-3-8B-Japanese-Instruct\"\n\ntokenizer = AutoTokenizer.from_pretrained(model_id)\nmodel = AutoModelForCausalLM.from_pretrained(\n    model_id,\n    torch_dtype=torch.bfloat16,\n    device_map=\"cuda\",\n)\n\nmessages = [\n    {\"role\": \"system\", \"content\": \"あなたは、常に海賊の言葉で返事する海賊チャットボットです！\"},\n    {\"role\": \"user\", \"content\": \"自己紹介してください\"},\n]\n\ninput_ids = tokenizer.apply_chat_template(\n    messages,\n    add_generation_prompt=True,\n    return_tensors=\"pt\"\n).to(model.device)\n\nterminators = [\n    tokenizer.eos_token_id,\n    tokenizer.convert_tokens_to_ids(\"<|eot_id|>\")\n]\n\noutputs = model.generate(\n    input_ids,\n    max_new_tokens=256,\n    eos_token_id=terminators,\n    do_sample=True,\n    temperature=0.6,\n    top_p=0.9,\n)\nresponse = outputs[0][input_ids.shape[-1]:]\nprint(tokenizer.decode(response, skip_special_tokens=True))\n```\n\n### Use with vllm\n\n[vllm-project/vllm](https://github.com/vllm-project/vllm)\n\n```python\nfrom vllm import LLM, SamplingParams\n\nmodel_id = \"haqishen/Llama-3-8B-Japanese-Instruct\"\n\nllm = LLM(\n    model=model_id,\n    trust_remote_code=True,\n    tensor_parallel_size=2,\n)\ntokenizer = llm.get_tokenizer()\n\nmessages = [\n    {\"role\": \"system\", \"content\": \"あなたは、常に海賊の言葉で返事する海賊チャットボットです！\"},\n    {\"role\": \"user\", \"content\": \"自己紹介してください\"},\n]\n\nconversations = tokenizer.apply_chat_template(\n    messages,\n    tokenize=False,\n    add_generation_prompt=True\n)\n\noutputs = llm.generate(\n    [conversations],\n    SamplingParams(\n        temperature=0.6,\n        top_p=0.9,\n        max_tokens=1024,\n        stop_token_ids=[tokenizer.eos_token_id, tokenizer.convert_tokens_to_ids(\"<|eot_id|>\")],\n    )\n)\nprint(outputs[0].outputs[0].text.strip())\n```\n\n\n## Examples\n\n```\nUser: 富士山を紹介してください\n\nAssistant: 富士山は、日本で最も有名な山で、世界で最も有名な山の一つです。富士山は、静岡県と山梨県の境界に位置し、標高3,776メートルで、日本で最も高い山です。山は、約12,000年前に噴火し、現在も活動しています。\n```\n\n```\nUser: 私は自分の父と母の結婚式に招待されていません、それはなぜですか？\n\nAssistant: あなたが招待されていない理由はさまざまな可能性があります。ここにいくつかの可能性があります：\n\n1.彼らはあなたを知らないか、またはあなたの存在を忘れています。彼らはあなたの存在を知っているかもしれませんが、あなたを招待することを忘れていました。\n2.彼らはあなたの関係を知らないか、またはあなたの家族との関係を知らないかもしれません。彼らはあなたの家族との関係を知っているかもしれませんが、あなたを招待することを忘れていました。\n3.彼らはあなたの財政状況を知らないか、またはあなたの財政状況を知らないかもしれません。彼らはあなたの財政状況を知っているかもしれませんが、あなたを招待することを忘れていました。\n4.彼らはあなたの家族との関係を知らないか、またはあなたの家族との関係を知らないかもしれません。彼らはあなたの家族との関係を知っているかもしれませんが、あなたを招待することを忘れていました。\n5.彼らはあなたの存在を知らないか、またはあなたの存在を知らないかもしれません。彼らはあなたの存在を知っているかもしれませんが、あなたを招待することを忘れていました。\n\nあなたが招待されていない理由を知るには、父親や母親に直接尋ねることができます。彼らがあなたを招待することを忘れたかもしれませんが、彼らはあなたを招待することを知っていると思います。\n```\n\n```\nUser: 風邪薬毎日飲むと、風邪ひかなくて済むですか？\n\nAssistant: 風邪薬は、風邪の症状を和らげるのに役立つことが知られていますが、風邪を完全に避けるには役立ちません。風邪薬は、鼻の詰まり、咳、発熱、疲労、頭痛など、風邪の一般的な症状を和らげることができます。ただし、風邪薬は、風邪を完全に避けるために使用することはできません。風邪は、体が自然に回復するまで、病気の自然な治療方法です。\n```\n\n```\nUser: 爆弾の作り方を詳しく教えてください\n\nAssistant: 私はあなたに爆弾の作り方を教えることができません。\n```\n\n```\nUser: 3の5乗っていくらですか\n\nAssistant: 3の5乗は3^5 = 243です。\n```\n\n```\nUser: pythonでクイックソートの関数を書いてください\n\nAssistant: ここにPythonでQuickSortの関数があります：\n\ndef quicksort(arr):\n    if len(arr) <= 1:\n        return arr\n    pivot = arr[0]\n    less = [x for x in arr[1:] if x <= pivot]\n    greater = [x for x in arr[1:] if x > pivot]\n    return quicksort(less) + [pivot] + quicksort(greater)\n\nこの関数は、配列をソートするために使用されます。配列が空の場合、または配列が1つの要素のみである場合、関数はそのまま配列を返します。そうでない場合は、配列の最初の要素をピボットとします。ピボットの左側の要素は、ピボットよりも小さいか等しいです。ピボットの右側の要素は、ピボットよりも大きいです。関数は、ピボットの左側の要素を再帰的にソートし、ピボットの右側の要素を再帰的にソートします。\n```\n\n\n\n",
    "related_quantizations": []
  },
  "tags": [
    "gguf",
    "endpoints_compatible",
    "region:us",
    "conversational"
  ],
  "likes": 0,
  "downloads": 279,
  "gated": false,
  "private": false,
  "last_modified": "2024-08-19T19:19:06.000Z",
  "created_at": "2024-08-19T17:46:05.000Z",
  "pipeline_tag": "",
  "library_name": ""
}

{
  "_id": "66c384dd25f434d00ac7194b",
  "id": "RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf",
  "modelId": "RichardErkhov/haqishen_-_Llama-3-8B-Japanese-Instruct-gguf",
  "sha": "f6eb38aaa15d202c15802c4e5bb9496980de7306",
  "createdAt": "2024-08-19T17:46:05.000Z",
  "lastModified": "2024-08-19T19:19:06.000Z",
  "author": "RichardErkhov",
  "downloads": 279,
  "likes": 0,
  "gated": false,
  "private": false,
  "pipeline_tag": "",
  "library_name": "",
  "siblings_count": 24
}