|
--- |
|
library_name: transformers |
|
tags: |
|
- llama-factory |
|
- BanBan |
|
- 板板 |
|
language: |
|
- en |
|
- zh |
|
datasets: |
|
- asadfgglie/BanBan-generated-dataset-v1 |
|
- asadfgglie/BanBan_2024-7-1_v1 |
|
pipeline_tag: image-text-to-text |
|
--- |
|
|
|
# asadfgglie/banban-beta-v2 |
|
|
|
<!-- Provide a quick summary of what the model is/does. --> |
|
AI VTuber板板模型。 |
|
|
|
目標是打造屬於NTNU VLSI的專屬AI VT! |
|
|
|
目前僅開放給NTNU VLSI社員。如果你是社員，並想要取得本模型的權重，請至[Discord](https://discord.gg/kN8fNbscZR)聯繫我。 |
|
|
|
這個模型主要是使用了大量的AI合成資料來做訓練，輔以少量的人類數據來做訓練。 |
|
|
|
|
|
### Model Description |
|
|
|
<!-- Provide a longer summary of what this model is. --> |
|
|
|
- **Developed by:** [asadfgglie](https://huggingface.co/asadfgglie) |
|
- **Funded by:** [asadfgglie](https://huggingface.co/asadfgglie) |
|
- **Shared by:** [asadfgglie](https://huggingface.co/asadfgglie) |
|
- **Model type:** llava |
|
- **Language(s) (NLP):** Image-text-to-text |
|
- **License:** 僅供NTNU VLSI社員內部研究使用 |
|
- **Finetuned from model:** [xtuner/llava-llama-3-8b-v1_1-transformers](https://huggingface.co/xtuner/llava-llama-3-8b-v1_1-transformers) |
|
|
|
|
|
## Uses |
|
|
|
<!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. --> |
|
~~接觸板板，理解板板，成為板板~~ |
|
|
|
主要用於聊天與VT直播用，但目前能力僅供聊天用 |
|
|
|
### Direct Use |
|
|
|
<!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. --> |
|
|
|
你可以直接拿來當普通的AI助手來用，嗯，帶點食品偏好~~鳳梨狂熱~~的助手 |
|
|
|
|
|
### Out-of-Scope Use |
|
|
|
<!-- This section addresses misuse, malicious use, and uses that the model will not work well for. --> |
|
|
|
關於一些政治類問題我不建議你去問板板，主要原因是基底模型Llama3本身就被訓練會避開這些問題回答。 |
|
|
|
## Bias, Risks, and Limitations |
|
|
|
<!-- This section is meant to convey both technical and sociotechnical limitations. --> |
|
|
|
板板是一名狂熱的鳳梨披薩支持者，從現在是，以後未來也是。這是直接寫在訓練集與prompt中的設定，屬於刻在DNA裡的印記，是神聖不可分割的一部分! |
|
|
|
### Recommendations |
|
|
|
<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. --> |
|
|
|
你必須接受鳳梨披薩才能理解板板 |
|
|
|
## How to Get Started with the Model |
|
|
|
首先你需要根據你的電腦硬體情況選擇模型。 |
|
|
|
你可以在[Files and versions](https://huggingface.co/asadfgglie/banban-beta-v0-gguf/tree/main)中挑選結尾有帶gguf附檔名的檔案，這是模型的權重檔案。 |
|
|
|
其中比較特殊的是`mmproj-model-f16.gguf`，這是讓板板睜眼的clip權重檔案。若你有讓板板睜眼的需求，記得別忘了下載這個檔案。 |
|
|
|
這是經過gguf量化後的模型，因此可以用在任何支援llama.cpp的部屬環境中。 |
|
|
|
關於如何選擇模型尺寸，最簡單的建議是將模型權重的檔案大小乘以2，如果你的顯卡專屬記憶體容量大於這個數，那你可以放心選擇。 |
|
|
|
至於各種不同量化設定對於模型智力與速度的影響，各位可以簡單理解為:模型權重檔案越大，模型精度就越高，能力就越強，速度也就越慢。對於至少有6B顯卡專屬記憶體(RTX 3050 6G、RTX 4060)，我推薦使用Q3量化級別的模型已取得最佳速度，並且保證不會有顯卡記憶體不足的問題，只要你別開著模型的同時打遊戲。 |
|
|
|
對於有10G或以上顯卡記憶體，可以選擇Q4、Q5級別的量化，這是在速度與性能上達到良好平衡的量化版本。 |
|
|
|
至於Q6、Q8，我建議是RTX 4080，但Q6量化有16G顯卡記憶體的話可以嘗試一下，應該能行。 |
|
|
|
F16則是原始精度，只是以gguf格式儲存，有RTX 4090玩過後可以告訴我效果如何。理論上應該會比我自己測試時還要好。因為我只能用量化過後的模型來測試QQ。 |
|
|
|
對於不會寫程式，只想嘗鮮的新手們，我的建議是[LM Studio](https://lmstudio.ai/)，這個免費的專案可以很方便地幫你搞定一切麻煩的設定，只是沒辦法使用自定義名稱，因此可能會無法體驗到最佳的對話效果。同時別忘了`mmproj-model-f16.gguf`這個板板的眼睛! |
|
|
|
(主要是因為這東西還沒把內部的對話紀錄儲存格式更新到與openAI最新版API相同的模樣，最新版的openAI API已經支援定義每個message的作者名稱設定了，llama3本身也設計過prompt格式，也有限度的支援自定義作者名稱) |
|
|
|
如果你選擇使用[oobabooga/text-generation-webui](https://github.com/oobabooga/text-generation-webui)來做為你的推理平台，由於這個專案本身不支援對`llama.cpp`的多模態功能，因此板板只能生活在文字背後(~~當一個躲在鍵盤後的鍵盤俠~~) |
|
|
|
|
|
## Technical Specifications |
|
|
|
### Model Architecture and Objective |
|
|
|
LlavaForConditionalGeneration, turn base model into llama3 |
|
|
|
### Compute Infrastructure |
|
|
|
#### Hardware |
|
|
|
CPU: Intel(R) Core(TM) i5-14400 |
|
GPU: NVIDIA GeForce RTX 4060 Ti 16G |
|
RAM: 32G |
|
|
|
|
|
#### Software |
|
|
|
感謝偉大的[hiyouga/LLaMA-Factory](https://github.com/hiyouga/LLaMA-Factory)讓我省下了大把稿基建的時間 |
|
|
|
## Training procedure |
|
|
|
### Training hyperparameters |
|
|
|
The following hyperparameters were used during training: |
|
- learning_rate: 5e-05 |
|
- train_batch_size: 1 |
|
- eval_batch_size: 1 |
|
- seed: 42 |
|
- gradient_accumulation_steps: 16 |
|
- total_train_batch_size: 16 |
|
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 |
|
- lr_scheduler_type: cosine |
|
- num_epochs: 3.0 |
|
|
|
### Training results |
|
|
|
| Training Loss | Epoch | Step | Validation Loss | Input Tokens Seen | |
|
|:-------------:|:------:|:----:|:---------------:|:-----------------:| |
|
| 1.2315 | 0.4168 | 100 | 1.1917 | 1551832 | |
|
| 1.0165 | 0.8336 | 200 | 1.0467 | 3072864 | |
|
| 0.8943 | 1.2503 | 300 | 0.9339 | 4609344 | |
|
| 0.7505 | 1.6671 | 400 | 0.8318 | 6138408 | |
|
| 0.577 | 2.0839 | 500 | 0.7647 | 7672440 | |
|
| 0.5811 | 2.5007 | 600 | 0.7326 | 9211432 | |
|
| 0.5544 | 2.9174 | 700 | 0.7245 | 10741104 | |
|
|
|
| mratics | score | |
|
|:------------------------------:|:------------------:| |
|
| predict_bleu-4 | 22.36944225630876 | |
|
| predict_model_preparation_time | 0.0048 | |
|
| predict_rouge-1 | 41.827983993072735 | |
|
| predict_rouge-2 | 21.250519792182086 | |
|
| predict_rouge-l | 36.58219059871351 | |
|
| predict_runtime | 55992.1102 | |
|
| predict_samples_per_second | 0.072 | |
|
| predict_steps_per_second | 0.072 | |
|
|
|
|
|
### Framework versions |
|
|
|
- PEFT 0.11.1 |
|
- Transformers 4.43.2 |
|
- Pytorch 2.3.0+cu121 |
|
- Datasets 2.19.2 |
|
- Tokenizers 0.19.1 |
