mirror of
https://github.com/oobabooga/text-generation-webui.git
synced 2024-11-26 09:40:20 +01:00
Initial version of llamacpp_model.py
This commit is contained in:
parent
53ab1e285d
commit
7a562481fa
94
modules/llamacpp_model.py
Normal file
94
modules/llamacpp_model.py
Normal file
@ -0,0 +1,94 @@
|
|||||||
|
import os
|
||||||
|
from pathlib import Path
|
||||||
|
import modules.shared as shared
|
||||||
|
from modules.callbacks import Iteratorize
|
||||||
|
|
||||||
|
import llamacpp
|
||||||
|
|
||||||
|
|
||||||
|
class LlamaCppTokenizer:
|
||||||
|
"""A thin wrapper over the llamacpp tokenizer"""
|
||||||
|
def __init__(self, model: llamacpp.PyLLAMA):
|
||||||
|
self._tokenizer = model.get_tokenizer()
|
||||||
|
self.eos_token_id = 2
|
||||||
|
self.bos_token_id = 0
|
||||||
|
|
||||||
|
@classmethod
|
||||||
|
def from_model(cls, model: llamacpp.PyLLAMA):
|
||||||
|
return cls(model)
|
||||||
|
|
||||||
|
def encode(self, prompt):
|
||||||
|
return self._tokenizer.tokenize(prompt)
|
||||||
|
|
||||||
|
def decode(self, ids):
|
||||||
|
return self._tokenizer.detokenize(ids)
|
||||||
|
|
||||||
|
|
||||||
|
class LlamaCppModel:
|
||||||
|
def __init__(self):
|
||||||
|
self.initialized = False
|
||||||
|
|
||||||
|
@classmethod
|
||||||
|
def from_pretrained(self, path):
|
||||||
|
params = llamacpp.gpt_params(
|
||||||
|
str(path), # model
|
||||||
|
2048, # ctx_size
|
||||||
|
200, # n_predict
|
||||||
|
40, # top_k
|
||||||
|
0.95, # top_p
|
||||||
|
0.80, # temp
|
||||||
|
1.30, # repeat_penalty
|
||||||
|
-1, # seed
|
||||||
|
8, # threads
|
||||||
|
64, # repeat_last_n
|
||||||
|
8, # batch_size
|
||||||
|
)
|
||||||
|
|
||||||
|
_model = llamacpp.PyLLAMA(params)
|
||||||
|
|
||||||
|
result = self()
|
||||||
|
result.model = _model
|
||||||
|
|
||||||
|
tokenizer = LlamaCppTokenizer.from_model(_model)
|
||||||
|
return result, tokenizer
|
||||||
|
|
||||||
|
# TODO: Allow passing in params for each inference
|
||||||
|
def generate(self, context="", num_tokens=10, callback=None):
|
||||||
|
# params = self.params
|
||||||
|
# params.n_predict = token_count
|
||||||
|
# params.top_p = top_p
|
||||||
|
# params.top_k = top_k
|
||||||
|
# params.temp = temperature
|
||||||
|
# params.repeat_penalty = repetition_penalty
|
||||||
|
# params.repeat_last_n = repeat_last_n
|
||||||
|
|
||||||
|
# model.params = params
|
||||||
|
if not self.initialized:
|
||||||
|
self.model.add_bos()
|
||||||
|
|
||||||
|
self.model.update_input(context)
|
||||||
|
if not self.initialized:
|
||||||
|
self.model.prepare_context()
|
||||||
|
self.initialized = True
|
||||||
|
|
||||||
|
output = ""
|
||||||
|
is_end_of_text = False
|
||||||
|
ctr = 0
|
||||||
|
while not self.model.is_finished() and ctr < num_tokens and not is_end_of_text:
|
||||||
|
if self.model.has_unconsumed_input():
|
||||||
|
self.model.ingest_all_pending_input(False)
|
||||||
|
else:
|
||||||
|
text, is_end_of_text = self.model.infer_text()
|
||||||
|
if callback:
|
||||||
|
callback(text)
|
||||||
|
output += text
|
||||||
|
ctr += 1
|
||||||
|
|
||||||
|
return output
|
||||||
|
|
||||||
|
def generate_with_streaming(self, **kwargs):
|
||||||
|
with Iteratorize(self.generate, kwargs, callback=None) as generator:
|
||||||
|
reply = kwargs['context']
|
||||||
|
for token in generator:
|
||||||
|
reply += token
|
||||||
|
yield reply
|
Loading…
Reference in New Issue
Block a user