Instructions to use fibonacciai/Iran-v1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use fibonacciai/Iran-v1 with Transformers:

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

pipe = pipeline("text-generation", model="fibonacciai/Iran-v1")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("fibonacciai/Iran-v1", dtype="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use fibonacciai/Iran-v1 with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/fibonacciai/Iran-v1

SGLang

How to use fibonacciai/Iran-v1 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 "fibonacciai/Iran-v1" \
    --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": "fibonacciai/Iran-v1",
		"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 "fibonacciai/Iran-v1" \
        --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": "fibonacciai/Iran-v1",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use fibonacciai/Iran-v1 with Docker Model Runner:
```
docker model run hf.co/fibonacciai/Iran-v1
```

fibonacciai

ysn-rfd commited on Feb 12

Commit

80b33b1

1 Parent(s): c9a7249

Upload Sample_Run.txt (#2)

Browse files

- Upload Sample_Run.txt (4850198509de8dfdee18e46549e7f60ee91d4801)

Co-authored-by: ysn_rfd <ysn-rfd@users.noreply.huggingface.co>

Files changed (1) hide show

Sample_Run.txt +7 -0

Sample_Run.txt ADDED Viewed

	@@ -0,0 +1,7 @@

+--- Loading Model from ./yasin_gpt2_finetuned ---
+--- Running Inference on cuda ---
+Prompt: تکنیک ایجاد محدودیت
+--- Result ---
+تکنیک ایجاد محدودیت‌های بازاریابی و ریال مطالعه کرده‌ایم. در صورت عددی معمولاً برای نگهداری از کاربردهای تخصیص را به دست آورده‌اند و از این تقسیم‌بندی نیز کاربران را دارند. بنابراین کلیدی روی سطح تفکر بررسی کنید و آن را تحریک کنید. به طور کلی شیء به عنوان روی پایه بیت‌کوین استفاده می‌کنید، باید از آن‌ها را انتخاب کنید. برای آشنایی با کلیک روی هر کسی استفاده کنید.بازاریابی بهتر است نیاز به بررسی شما قرار می‌دهیم. در این مطلب از آن استفاده کنیم: ساختار جستجو به سمت چپ به عنوان پلتفرم‌های بالایی دارد و باید به سرعت به کار می‌رود. در این زمان می‌توانید به توضیح این محصول را روی گزینه‌هایی تشخیص دهید. برای رویکرد فیبر این سایت برای اجرای اطلاعات خود را انجام دهید تا نتایج حاصل از نظر رنگ را دارد.به عنوان مثال، تنظیم از کاربردهای غیرقابل استفاده برای نمایش تبلیغات و روش‌های مختلف استفاده می‌کنیم. برخی دیگر چیست ؟برای کاربران در دسترس بودن آن‌ها استفاده می‌کنیم که بتوانید با تو�