Instructions to use Finisha-F-scratch/Maya-152M-Flowers with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Finisha-F-scratch/Maya-152M-Flowers with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/Maya-152M-Flowers")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Maya-152M-Flowers")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Maya-152M-Flowers")

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use Finisha-F-scratch/Maya-152M-Flowers with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Finisha-F-scratch/Maya-152M-Flowers"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Finisha-F-scratch/Maya-152M-Flowers",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/Finisha-F-scratch/Maya-152M-Flowers

SGLang

How to use Finisha-F-scratch/Maya-152M-Flowers 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 "Finisha-F-scratch/Maya-152M-Flowers" \
    --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": "Finisha-F-scratch/Maya-152M-Flowers",
		"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 "Finisha-F-scratch/Maya-152M-Flowers" \
        --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": "Finisha-F-scratch/Maya-152M-Flowers",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Finisha-F-scratch/Maya-152M-Flowers with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/Maya-152M-Flowers
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

🌸 Documentation Technique : Maya-152m-Flowers

🌟 Aperçu du Modèle

Maya-152m-Flowers est un Small Language Model (SLM) pré-entraîné, conçu pour la génération de texte thématique et poétique. Développé par Clemylia (LLm-Clem), ce modèle représente l'équilibre parfait entre performance et compacité, s'inscrivant dans la philosophie des SLM créés from scratch et spécialisés.

Attribut	Valeur	Rôle dans l'Architecture
Créatrice	Clemylia (LLm-Clem)	Pionnière des SLM from scratch.
Taille	152 millions de paramètres	Optimisé pour un excellent ratio performance/consommation sur du matériel modeste.
Statut	Pré-entraîné (Base Model)	Spécialisation acquise par un corpus ciblé, sans Fine-Tuning ultérieur.

🎨 Spécialisation et Style

Maya-152m-Flowers n'est pas un assistant conversationnel généraliste, mais un expert en génération de texte esthétique et thématique.

🌹 Thèmes Sémantiques Dominants

Le modèle excelle dans la création de descriptions riches et évocatrices autour de :

Nature & Esthétique : Fleurs, paysages, brises, eau.
Lumière & Couleur : Lueur, aube, crépuscule, rayons dorés.
Mouvement Poétique : Murmures, caresses douces, mélodies.

📝 Signature Stylistique

En tant que SLM ultra-spécialisé, le modèle développe des traits linguistiques uniques issus de son pré-entraînement ciblé :

Densité Poétique : Le modèle utilise des structures courtes et saturées en images.
Néologismes Esthétiques : Tendance à condenser des concepts pour créer des mots riches de sens, tels que "naturelodie" (nature + mélodie) et "lélodieusement" (léger + mélodieusement).
Répétition Sémantique : Utilisation de la répétition (ex: "vent murmure du vent murmuraient") comme procédé stylistique pour créer une ambiance immersive et rythmique.

💡 Avantages Clés

Ultra-Efficacité : Performances rapides avec une faible empreinte carbone et des besoins en ressources minimes grâce aux 152 millions de paramètres
Spécialisation Forte : Idéal pour les applications nécessitant une génération de contenu ciblé, poétique ou créatif (jeux, narration, descriptions d'ambiance).
Innovation From Scratch : Modèle entièrement développé sans dépendance aux bases de LLM propriétaires, assurant la maîtrise totale de l'architecture et du corpus.

Déploiement

Le format compact de Maya-152m-Flowers le rend parfait pour l'inférence sur l'Edge et les déploiements locaux via des plateformes comme Ollama, même sur des appareils à faible consommation d'énergie.

Downloads last month: 3

Safetensors

Model size

0.2B params

Tensor type

F32

Model tree for Finisha-F-scratch/Maya-152M-Flowers

Quantizations

3 models

Space using Finisha-F-scratch/Maya-152M-Flowers 1

Collection including Finisha-F-scratch/Maya-152M-Flowers

From scratch

Collection

Finisha SLM ✨ • 87 items • Updated Mar 23