Instructions to use ilsp/Meltemi-7B-v1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use ilsp/Meltemi-7B-v1 with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="ilsp/Meltemi-7B-v1")# Load model directly from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("ilsp/Meltemi-7B-v1") model = AutoModelForCausalLM.from_pretrained("ilsp/Meltemi-7B-v1") - Notebooks
- Google Colab
- Kaggle
- Local Apps
- vLLM
How to use ilsp/Meltemi-7B-v1 with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "ilsp/Meltemi-7B-v1" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "ilsp/Meltemi-7B-v1", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker
docker model run hf.co/ilsp/Meltemi-7B-v1
- SGLang
How to use ilsp/Meltemi-7B-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 "ilsp/Meltemi-7B-v1" \ --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": "ilsp/Meltemi-7B-v1", "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 "ilsp/Meltemi-7B-v1" \ --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": "ilsp/Meltemi-7B-v1", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }' - Docker Model Runner
How to use ilsp/Meltemi-7B-v1 with Docker Model Runner:
docker model run hf.co/ilsp/Meltemi-7B-v1
Machine Translation Model
Καλησπέρα,
Αρχικά συγχαρητήρια για το εξαιρετικό μοντέλο! Μπορώ να ρωτήσω αν χρησιμοποιήσατε κάποιο μεταφραστικό μοντέλο όπως το madlad400 η κάτι άλλο για την μετάφραση?
Καλημέρα ευχαριστούμε πολύ. Δεν χρησιμοποιήσαμε για το Meltemi-7B-v1 κάποιο μεταφραστικό μοντέλο. Για την πρώτη έκδοση του instruct μεταφράσαμε κάποια από τα γνωστά instruction datasets (Open-Platypus, Evol-Instruct, Capybara).
Ναι έχετε δίκιο, το έγραψα σε λάθος σημείο. Εννοούσα αν χρησιμοποιήσατε κάποιο open source μεταφραστικό μοντέλο για την μετάφραση των instruction και evaluation dataset, ή κάποια άλλη υπηρεσία όπως google translate ή deepl.
Είναι ένας συνδυασμός δικών μας translation μοντέλων και google translate με human in the loop για τον έλεγχο του αποτελέσματος της μετάφρασης.