Instructions to use kazuHF/llm-jp-3-13b-it2_lora with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use kazuHF/llm-jp-3-13b-it2_lora with Transformers:

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

pipe = pipeline("text-generation", model="kazuHF/llm-jp-3-13b-it2_lora")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("kazuHF/llm-jp-3-13b-it2_lora")
model = AutoModelForCausalLM.from_pretrained("kazuHF/llm-jp-3-13b-it2_lora")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use kazuHF/llm-jp-3-13b-it2_lora with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "kazuHF/llm-jp-3-13b-it2_lora"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "kazuHF/llm-jp-3-13b-it2_lora",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/kazuHF/llm-jp-3-13b-it2_lora

SGLang

How to use kazuHF/llm-jp-3-13b-it2_lora 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 "kazuHF/llm-jp-3-13b-it2_lora" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "kazuHF/llm-jp-3-13b-it2_lora",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

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 "kazuHF/llm-jp-3-13b-it2_lora" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "kazuHF/llm-jp-3-13b-it2_lora",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Unsloth Studio

How to use kazuHF/llm-jp-3-13b-it2_lora with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for kazuHF/llm-jp-3-13b-it2_lora to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for kazuHF/llm-jp-3-13b-it2_lora to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for kazuHF/llm-jp-3-13b-it2_lora to start chatting

Load model with FastModel

pip install unsloth
from unsloth import FastModel
model, tokenizer = FastModel.from_pretrained(
    model_name="kazuHF/llm-jp-3-13b-it2_lora",
    max_seq_length=2048,
)

Docker Model Runner
How to use kazuHF/llm-jp-3-13b-it2_lora with Docker Model Runner:
```
docker model run hf.co/kazuHF/llm-jp-3-13b-it2_lora
```

kazuHF commited on Dec 24, 2024

Commit

c8a4192

verified ·

1 Parent(s): 4115150

Update README.md

Browse files

Files changed (1) hide show

README.md +2 -2

README.md CHANGED Viewed

@@ -173,7 +173,7 @@ with open(f"/content/{json_file_id}_output.jsonl", 'w', encoding='utf-8') as f:
 1. Runtimeで、Hardware acceleratorを GPU にする。
 2. ノートブックをGoogle driveに保存するため、Google driveにマウントする。
 3. CodeのセルでGenerateをクリックして「ドライブに接続」というPromptをGeminiに入れると、マウントに必要なセルを書いてくれるのでそれを評価する。
-4. 「接続しているGPUの表示」とGeminiに聞いて、23GBのL4に接続していることを確認する。
 5. /contentに、次のファイルをupload.
 	elyza-tasks-100-TV_0.json
 6. 提供されたコードでunsloth, torch, peftをインストール。(37sec)
@@ -219,7 +219,7 @@ https://drive.google.com/file/d/1U_GQ43hc2EYTKO-gvswooR0UY12alB0z/view?usp=drive
 1. Runtimeで、Hardware acceleratorを GPU にする。
 3. ノートブックをGoogle driveに保存するため、Google driveにマウントする。
 4. CodeのセルでGenerateをクリックして「ドライブに接続」というPromptをGeminiに入れると、マウントに必要なセルを書いてくれるのでそれを評価する。
-5. 「接続しているGPUの表示」とGeminiに聞いて、23GBのL4に接続していることを確認する。
 6. /contentに、次の二つのファイルをupload.
 	elyza-tasks-100-TV_0.json
 	ichikara-instruction-003-001-1.json

 1. Runtimeで、Hardware acceleratorを GPU にする。
 2. ノートブックをGoogle driveに保存するため、Google driveにマウントする。
 3. CodeのセルでGenerateをクリックして「ドライブに接続」というPromptをGeminiに入れると、マウントに必要なセルを書いてくれるのでそれを評価する。
+4. 「接続しているGPUの表示」とGeminiに聞いて、GPU に接続していることを確認する。
 5. /contentに、次のファイルをupload.
 	elyza-tasks-100-TV_0.json
 6. 提供されたコードでunsloth, torch, peftをインストール。(37sec)
 1. Runtimeで、Hardware acceleratorを GPU にする。
 3. ノートブックをGoogle driveに保存するため、Google driveにマウントする。
 4. CodeのセルでGenerateをクリックして「ドライブに接続」というPromptをGeminiに入れると、マウントに必要なセルを書いてくれるのでそれを評価する。
+5. 「接続しているGPUの表示」とGeminiに聞いて、GPU に接続していることを確認する。
 6. /contentに、次の二つのファイルをupload.
 	elyza-tasks-100-TV_0.json
 	ichikara-instruction-003-001-1.json