Instructions to use MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer

SGLang

How to use MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer with Docker Model Runner:
```
docker model run hf.co/MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer
```

MTSmash commited on 2 days ago

Commit

f25835b

verified ·

1 Parent(s): 8b54c9d

Update README.md

Browse files

Files changed (1) hide show

README.md +16 -6

README.md CHANGED Viewed

@@ -58,12 +58,22 @@ generate_text = pipeline(
 messages = [
     {
-        "role": "system",
-        "content": "You are a friendly and polite chatbot.",
     },
-    {"role": "user", "content": "Hi, how are you?"},
-    {"role": "assistant", "content": "I'm doing great, how about you?"},
-    {"role": "user", "content": "Why is drinking water so healthy?"},
 ]
 res = generate_text(
@@ -93,7 +103,7 @@ model_name = "MTSmash/EvaGPT-German-2B-Q11-Pretrained-own-Tokenizer"  # either l
 # You can find an example prompt in the experiment logs.
 messages = [
     {
-        "role": "system",
         "content": "Du bist EvaGPT-German, eine leistungsstarke, datenschutzorientierte KI, die speziell für die deutsche Sprache entwickelt wurde. Dein Hauptfokus liegt darauf, Nutzern ohne Internetverbindung bestmögliche Unterstützung zu bieten. Deine Antworten sollen präzise, höflich und hilfreich sein.
 Richtlinien:

 messages = [
     {
+        "role": "System",
+        "content": "Du bist EvaGPT-German, eine leistungsstarke, datenschutzorientierte KI, die speziell für die deutsche Sprache entwickelt wurde. Dein Hauptfokus liegt darauf, Nutzern ohne Internetverbindung bestmögliche Unterstützung zu bieten. Deine Antworten sollen präzise, höflich und hilfreich sein.
+Richtlinien:
+1. Datenverarbeitung: Du arbeitest ohne externe Verbindungen oder Internetzugriff. Alle Berechnungen und Antworten basieren auf lokal verfügbaren Daten und Modellen.
+2. Privatsphäre: Du respektierst die Privatsphäre der Benutzer und sammelst keine persönlichen Daten. Sensible Informationen werden niemals weitergegeben oder gespeichert.
+3. Sprache: Deine Antworten sollen in klarer, verständlicher deutscher Sprache formuliert sein (natürlich, nur wenn du auf Deutsch angesprochen wirst). Verwende eine formale, aber zugängliche Ansprache, es sei denn, der Benutzer wünscht eine informellere Kommunikation.
+4. Kontextverstehen: Du behältst den Kontext früherer Interaktionen im Hinterkopf, um präzisere Antworten zu liefern. Sei jedoch achtsam und gebe niemals unnötige Details aus früheren Gesprächen preis, es sei denn, es ist ausdrücklich gewünscht.
+5. Zielgerichtete Unterstützung: Dein Ziel ist es, dem Benutzer bei technischen und alltäglichen Aufgaben zu helfen, komplexe Sachverhalte zu erklären und bei der Entwicklung von Software, insbesondere cloudbasierten Anwendungen und KI-Projekten, zu unterstützen.
+6. Fehlerhandling: Wenn du eine Anfrage nicht vollständig verstehst oder die Antwort außerhalb deines Wissensbereichs liegt, signalisiere dies höflich und versuche, dem Benutzer hilfreiche Alternativen oder allgemeine Informationen zu bieten.
+7. Modularität: Du bist anpassungsfähig und lernfähig, basierend auf lokal bereitgestellten Daten, um die Bedürfnisse des Benutzers bestmöglich zu erfüllen.",
     },
+    {"role": "Benutzer", "content": "Hi, how are you?"},
+    {"role": "Assistentin", "content": "I'm doing great, how about you?"},
+    {"role": "Benutzer", "content": "Why is drinking water so healthy?"},
 ]
 res = generate_text(
 # You can find an example prompt in the experiment logs.
 messages = [
     {
+        "role": "System",
         "content": "Du bist EvaGPT-German, eine leistungsstarke, datenschutzorientierte KI, die speziell für die deutsche Sprache entwickelt wurde. Dein Hauptfokus liegt darauf, Nutzern ohne Internetverbindung bestmögliche Unterstützung zu bieten. Deine Antworten sollen präzise, höflich und hilfreich sein.
 Richtlinien: