Nos-PT_-_Carvalho_pt-gl-1.3B-4bits

Quantization made by Richard Erkhov.

Github

Discord

Request more models

Carvalho_pt-gl-1.3B - bnb 4bits

• Model creator: https://huggingface.co/Nos-PT/
• Original model: https://huggingface.co/Nos-PT/Carvalho_pt-gl-1.3B/

Original model description:

language:

• gl
• pt licence:
• MIT tags:
• galician
• portuguese
• gpt2 license: mit inference: parameters: top_k: 10 do_sample: true temperature: 0.4 widget:

• text: |- Traduce ao galego esta frase en inglés: Inglés: "my sister is studying Biology at the university." Galego: "a miña irmá está a estudar bioloxía na universidade."

  Traduce ao galego esta frase en inglés: Inglés: "You are working with my mother on a very interesting project." Galego: "Estás a traballar coa miña nai nun proxecto moi interesante"

  Traduce ao galego esta frase en inglés: Inglés: "You have to fix the computer now" Galego: example_title: Translation-gl

• text: |- Traduz para o português esta frase en inglês: Inglês: "my sister is studying Biology at the university." Português: "a minha irmã está a estudar biologia na universidade."

  Traduz para o português esta frase en inglês: Inglês: "You are working with my mother on a very interesting project." Português: "Estás a trabalhar com a minha mãe em um projeto muito interessante"

  Traduz para o português esta frase en inglês: Inglês: "You have to fix the computer now" Português: example_title: Translation-pt

• text: |- Responde á seguinte pregunta. Pregunta: "Cal é a capital de Noruega?" Resposta: "A capital de Noruega é Oslo."

  Responde á seguinte pregunta. Pregunta: "Cal é a moeda de Portugal" Resposta: "A moeda de Portugal é o euro."

  Responde á seguinte pregunta. Pregunta: "Cal é a capital de Suecia?" Resposta: example_title: QA-GL

• text: |- Responda a seguinte questão. Pergunta: "Qual é a capital da Noruega?" Resposta: "A capital da Noruega é Oslo."

  Responda a seguinte questão. Pergunta: "Qual é a moeda de Portugal" Resposta: “A moeda de Portugal é o euro”.

  Responda a seguinte questão. Pergunta: "Qual é a capital da Suécia?" Responder: example_title: QA-PT

• text: |- Cualifica como Positivo ou Negativo o sentimento da seguinte frase: Texto: "Estou moi feliz" Polaridade: Positivo

  Cualifica como Positivo ou Negativo o sentimento da seguinte frase: Texto: "Non me gusta beber cervexa" Polaridade: Negativo

  Cualifica como Positivo ou Negativo o sentimento da seguinte frase: Texto: "O meu pai detesta o seu traballo" Polaridade: Negativo

  Cualifica como Positivo ou Negativo o sentimento da seguinte frase: Texto: "Uxía desfruta xogando ao fútbol" Polaridade: Positivo

  Cualifica como Positivo ou Negativo o sentimento da seguinte frase: Texto: "O neno non está contento coas notas" Polaridade: example_title: Sentiment-GL

• text: |- Classifique como Positivo ou Negativo o sentimento da seguinte frase: Texto: "Estou muito feliz" Polaridade: Positiva

  Classifique como Positivo ou Negativo o sentimento da seguinte frase: Texto: "Não gosto de beber cerveja" Polaridade: Negativa

  Classifique como Positivo ou Negativo o sentimento da seguinte frase: Texto: "Meu pai odeia seu trabalho" Polaridade: Negativa

  Classifique como Positivo ou Negativo o sentimento da seguinte frase: Texto: "Uxía gosta de jogar futebol" Polaridade: Positiva

  Classifique como Positivo ou Negativo o sentimento da seguinte frase: Texto: “O menino não está feliz com as notas” Polaridade: example_title: Sentiment-PT

• text: |- Extrae as entidades nomeadas do seguinte texto: Texto: "Chámome Wolfgang e vivo en Berlin" Entidades: Wolfgang:PER, Berlin:LOC

  Extrae as entidades nomeadas do seguinte texto: Texto: "María e Miguel non teñen ningún problema" Entidades: María:PER, Miguel:PER

  Extrae as entidades nomeadas do seguinte texto: Texto: "O mellor de Barcelona é o bar do meu amigo Pablo" Entidades: Pablo:PER, Barcelona:LOC

  Extrae as entidades nomeadas do seguinte texto: Texto: "María axudou a Carlos na empresa" Entidades: example_title: NER-GL

• text: |- Extraia as entidades nomeadas do seguinte texto: Texto: "Meu nome é Wolfgang e moro em Berlim" Entidades: Wolfgang:PER, Berlim:LOC

  Extraia as entidades nomeadas do seguinte texto: Texto: "Maria e Miguel não têm problemas" Entidades: Maria:PER, Miguel:PER

  Extraia as entidades nomeadas do seguinte texto: Texto: "A melhor coisa de Barcelona é o bar do meu amigo Pablo" Entidades: Pablo:PER, Barcelona:LOC

  Extraia as entidades nomeadas do seguinte texto: Texto: "Maria ajudou Carlos na empresa" Entidades: example_title: NER-PT
• text: A receita tradicional das filloas é example_title: Receita-GL
• text: A receita tradicional de panquecas é example_title: Receita-PT
• text: O neno vivía preto example_title: O neno-GL
• text: O menino morava perto example_title: O menino-PT

---

Carvalho_pt-gl-1.3B

How to use

import torch
from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM

token_HF=""#Obter na páxina de HuggingFace
input_text = "Hoxe fai un bo día. O sol  "

model_id  = "Nos-PT/Carvalho_pt-gl-1.3B"
tokenizer = AutoTokenizer.from_pretrained(model_id, use_auth_token=token_HF)
model = AutoModelForCausalLM.from_pretrained(model_id, use_auth_token=token_HF)
generator = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    torch_dtype=torch.bfloat16,
    trust_remote_code=True,
    device_map="auto",
)
generation = generator(
    input_text,
    do_sample=True,
    top_k=10,
    eos_token_id=tokenizer.eos_token_id
)

print(f"Result: {generation[0]['generated_text']}")