Downloads · 30 days
64
5% of all-time downloads
RichardErkhov/mhenrichsen_-_danskgpt-tiny-gguf
mhenrichsen_-_danskgpt-tiny-gguf is a machine learning model from RichardErkhov. Use it for the machine learning task on the model card, and read the license before you ship it in a product.
Downloads · 30 days
64
5% of all-time downloads
All-time downloads
1.3K
Public
Repo size
12.7 GB
Likes
0
Public
Click a slice to open those files.
.gguf14.7 GB · 100%
From the Hugging Face model README
Quantization made by Richard Erkhov.
danskgpt-tiny - GGUF
| Name | Quant method | Size |
|---|---|---|
| danskgpt-tiny.Q2_K.gguf | Q2_K | 0.4GB |
| danskgpt-tiny.IQ3_XS.gguf | IQ3_XS | 0.44GB |
| danskgpt-tiny.IQ3_S.gguf | IQ3_S | 0.47GB |
| danskgpt-tiny.Q3_K_S.gguf | Q3_K_S | 0.47GB |
| danskgpt-tiny.IQ3_M.gguf | IQ3_M | 0.48GB |
| danskgpt-tiny.Q3_K.gguf | Q3_K | 0.51GB |
| danskgpt-tiny.Q3_K_M.gguf | Q3_K_M | 0.51GB |
| danskgpt-tiny.Q3_K_L.gguf | Q3_K_L | 0.55GB |
| danskgpt-tiny.IQ4_XS.gguf | IQ4_XS | 0.57GB |
| danskgpt-tiny.Q4_0.gguf | Q4_0 | 0.59GB |
| danskgpt-tiny.IQ4_NL.gguf | IQ4_NL | 0.6GB |
| danskgpt-tiny.Q4_K_S.gguf | Q4_K_S | 0.6GB |
| danskgpt-tiny.Q4_K.gguf | Q4_K | 0.62GB |
| danskgpt-tiny.Q4_K_M.gguf | Q4_K_M | 0.62GB |
| danskgpt-tiny.Q4_1.gguf | Q4_1 | 0.65GB |
| danskgpt-tiny.Q5_0.gguf | Q5_0 | 0.71GB |
| danskgpt-tiny.Q5_K_S.gguf | Q5_K_S | 0.71GB |
| danskgpt-tiny.Q5_K.gguf | Q5_K | 0.73GB |
| danskgpt-tiny.Q5_K_M.gguf | Q5_K_M | 0.73GB |
| danskgpt-tiny.Q5_1.gguf | Q5_1 | 0.77GB |
| danskgpt-tiny.Q6_K.gguf | Q6_K | 0.84GB |
| danskgpt-tiny.Q8_0.gguf | Q8_0 | 1.09GB |
license: apache-2.0 language:
DanskGPT-tiny er en 1,1 milliard parametre LLaMA baseret LLM. Træningen er en fortsættelse af TinyLLaMA.
Modellen er trænet på 8 milliarder tokens af dansk syntetisk tekst.
Denne model er en såkaldt "foundation/completion" model, og er derfor ikke beregnet til at chatte med.
Ved brug af vLLM.
pip install vllm
from vllm import LLM, SamplingParams
sampling_params = SamplingParams(temperature=0.8, top_p=0.95, max_tokens=512)
llm = LLM(model="mhenrichsen/danskgpt-tiny")
while True:
prompt = input("Skriv: ")
outputs = llm.generate(prompt, sampling_params)
for output in outputs:
prompt = output.prompt
generated_text = output.outputs[0].text
print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")
Har du spørgsmål eller brug for hjælp til LLM'er eller automatisering af tekstbaserede opgaver, så kontakt mig gerne.
/Mads