Update README.md
Browse files
README.md
CHANGED
|
@@ -1,6 +1,63 @@
|
|
| 1 |
---
|
| 2 |
language:
|
| 3 |
- pt
|
|
|
|
| 4 |
---
|
| 5 |
|
| 6 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
---
|
| 2 |
language:
|
| 3 |
- pt
|
| 4 |
+
license: apache-2.0
|
| 5 |
---
|
| 6 |
|
| 7 |
+
# Cabra Mistral 7b v3 - 32k
|
| 8 |
+
<img src="https://uploads-ssl.webflow.com/65f77c0240ae1c68f8192771/660b1a4d574293d8a1ce48ca_cabra1.png" width="400" height="400">
|
| 9 |
+
|
| 10 |
+
Esse modelo é um finetune do [Mistral 7b Instruct 0.3](https://huggingface.co/mistralai/mistral-7b-instruct-v0.3) com o dataset BotBot Cabra 10k. Esse modelo é optimizado para português.
|
| 11 |
+
|
| 12 |
+
**Conheça os nossos outros modelos: [Cabra](https://huggingface.co/collections/botbot-ai/models-6604c2069ceef04f834ba99b).**
|
| 13 |
+
|
| 14 |
+
## Detalhes do Modelo
|
| 15 |
+
|
| 16 |
+
### Modelo: Mistral 7b Instruct 0.3
|
| 17 |
+
|
| 18 |
+
Mistral-7B-v0.3 é um modelo de transformador, com as seguintes escolhas arquitetônicas:
|
| 19 |
+
|
| 20 |
+
- Grouped-Query Attention
|
| 21 |
+
- Sliding-Window Attention
|
| 22 |
+
- Byte-fallback BPE tokenizer
|
| 23 |
+
|
| 24 |
+
### dataset: Cabra 10k
|
| 25 |
+
|
| 26 |
+
Dataset interno para finetuning. Vamos lançar em breve.
|
| 27 |
+
|
| 28 |
+
### Quantização / GGUF
|
| 29 |
+
|
| 30 |
+
Colocamos diversas versões (GGUF) quantanizadas no branch "quantanization".
|
| 31 |
+
|
| 32 |
+
### Exemplo
|
| 33 |
+
|
| 34 |
+
```
|
| 35 |
+
<s> [INST] who is Elon Musk? [/INST]Elon Musk é um empreendedor, inventor e capitalista americano. Ele é o fundador, CEO e CTO da SpaceX, CEO da Neuralink e fundador do The Boring Company. Musk também é o proprietário do Twitter.</s>
|
| 36 |
+
```
|
| 37 |
+
|
| 38 |
+
### Paramentros de trainamento
|
| 39 |
+
|
| 40 |
+
```
|
| 41 |
+
- learning_rate: 1e-05
|
| 42 |
+
- train_batch_size: 4
|
| 43 |
+
- eval_batch_size: 4
|
| 44 |
+
- seed: 42
|
| 45 |
+
- distributed_type: multi-GPU
|
| 46 |
+
- num_devices: 2
|
| 47 |
+
- gradient_accumulation_steps: 8
|
| 48 |
+
- total_train_batch_size: 64
|
| 49 |
+
- total_eval_batch_size: 8
|
| 50 |
+
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
|
| 51 |
+
- lr_scheduler_type: cosine
|
| 52 |
+
- lr_scheduler_warmup_ratio: 0.01
|
| 53 |
+
- num_epochs: 3
|
| 54 |
+
```
|
| 55 |
+
|
| 56 |
+
### Framework
|
| 57 |
+
|
| 58 |
+
- Transformers 4.39.0.dev0
|
| 59 |
+
- Pytorch 2.1.2+cu118
|
| 60 |
+
- Datasets 2.14.6
|
| 61 |
+
- Tokenizers 0.15.2
|
| 62 |
+
|
| 63 |
+
### Evals
|