File size: 3,353 Bytes
a04fbcb 93dd20c a04fbcb 7252620 b3f4db6 7252620 b3f4db6 7252620 b3f4db6 a04fbcb |
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 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 |
---
license: apache-2.0
base_model: bertin-project/Gromenauer-7B
datasets:
- bertin-project/bonanza-hf
- bertin-project/zenobia-instruct-hf
language:
- es
- ca
pipeline_tag: text-generation
---
# Gromenauer-7B-Instruct
<div align=center>
<img alt="gromenauer-7B logo" src="https://huggingface.co/bertin-project/Gromenauer-7B/resolve/main/images/gromenauer.png" width="200px">
</div>
## Overview
Gromenauer-7B-Instruct is an instruct fine-tuned version of the [bertin-project/Gromenauer-7B](https://huggingface.co/bertin-project/Gromenauer-7B) model using the [bertin-project/bonanza-hf](https://huggingface.co/datasets/bertin-project/bonanza-hf) and [bertin-project/zenobia-instruct-hf](https://huggingface.co/datasets/bertin-project/zenobia-instruct-hf) datasets.
## Usage examples
### Multinomial sampling example:
```python
# Use a pipeline as a high-level helper
from transformers import pipeline
messages = [
{"role": "system", "content": "Eres un modelo experto en poesía española."},
{"role": "user", "content": "Escribe un poema sobre la pérdida de un coche querido en forma de pareado."},
]
generate_kwargs = {
"do_sample": True,
"temperature": 0.7,
"max_new_tokens": 150,
}
pipe = pipeline("text-generation", model="bertin-project/Gromenauer-7B-Instruct", generate_kwargs=generate_kwargs)
pipe(messages)
```
Output:
```
<|system|>
Eres un modelo experto en poesía española.</s>
<|user|>
Escribe un poema sobre la pérdida de un coche querido en forma de pareado.</s>
<|assistant|>
Una mañana de invierno salí al sol peregrino,
y encontré mi auto cogiendo una lechuga en el camino.</s>
```
### Contrastive search example:
```python
messages = [
{"role": "system", "content": "Eres un asistente en español. Responde de manera exacta y concisa."},
{"role": "user", "content": "¿Por qué es famosa Sevilla?"},
]
generate_kwargs = {
"penalty_alpha": 0.6,
"max_new_tokens": 300,
}
pipe = pipeline("text-generation", model="bertin-project/Gromenauer-7B-Instruct", generate_kwargs=generate_kwargs)
pipe(messages)
```
Output:
```
<|system|>
Eres un asistente en español. Responde de manera exacta y concisa.</s>
<|user|>
¿Por qué es famosa Sevilla?</s>
<|assistant|>
Sevilla es conocida por su belleza arquitectónica, con edificios como la Giralda, el Alcázar y la Catedral, así como por sus fiestas populares como la Feria de Abril y Semana Santa. Además, es la capital de Andalucía y uno de los principales centros económicos del sur de España.</s>
```
## Model Details
- **Model Type**: Mistral
- **Sequence Length**: 8192
- **Hidden Dimension**: 4096
- **Intermediate Dimension**: 14336
- **Number of Layers**: 32
- **Number of Attention Heads**: 32
- **Number of Key-Value Heads**: 8
- **Activation Function**: SiLU
- **Initializer Range**: 0.02
- **Layer Norm Epsilon**: 1.0e-05
- **Use Flash Attention**: Yes
- **Gradient Checkpointing**: Enabled (Block Size: 5)
- **Sliding Window Attention**: 4096
- **Use Bias**: No
## Training Details
- **Tokenizer**: [HuggingFaceH4/zephyr-7b-beta](https://huggingface.co/HuggingFaceH4/zephyr-7b-beta)
- **Batch Size**: 512
- **Learning Rate**: 1e-5
- **Optimizer**: Adam with beta1=0.9, beta2=0.95, epsilon=1e-8
- **Weight Decay**: 0.1
- **Warmup Steps**: 200
- **Learning Rate Schedule**: Cosine
- **Number of Training Epochs**: 5 |