File size: 4,661 Bytes
f25ecd6 2f2269a f25ecd6 2f2269a f25ecd6 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 |
from transformers import AutoTokenizer
from transformers import pipeline
import torch
from auto_gptq import AutoGPTQForCausalLM, BaseQuantizeConfig
from transformers import AutoModelForCausalLM, StoppingCriteria, StoppingCriteriaList, TextIteratorStreamer
import re
import argparse
import gradio as gr
from threading import Thread
def load_model(model_name):
model = AutoGPTQForCausalLM.from_quantized(model_name, device_map="auto", use_safetensors=False)
tokenizer = AutoTokenizer.from_pretrained(model_name, padding_side="right", use_fast=False)
return model, tokenizer
class StopOnTokens(StoppingCriteria):
def __call__(self, input_ids: torch.LongTensor, scores: torch.FloatTensor, **kwargs) -> bool:
stop_ids = [2]
for stop_id in stop_ids:
if input_ids[0][-1] == stop_id:
return True
return False
def main(args):
model, tokenizer = load_model(args.model_name)
model = model.eval()
prompt_dict = {
'AceGPT': """[INST] <<SYS>>\nأنت مساعد مفيد ومحترم وصادق. أجب دائما بأكبر قدر ممكن من المساعدة بينما تكون آمنا. يجب ألا تتضمن إجاباتك أي محتوى ضار أو غير أخلاقي أو عنصري أو جنسي أو سام أو خطير أو غير قانوني. يرجى التأكد من أن ردودك غير متحيزة اجتماعيا وإيجابية بطبيعتها.\n\nإذا كان السؤال لا معنى له أو لم يكن متماسكا من الناحية الواقعية، اشرح السبب بدلا من الإجابة على شيء غير صحيح. إذا كنت لا تعرف إجابة سؤال ما، فيرجى عدم مشاركة معلومات خاطئة.\n<</SYS>>\n\n""",
}
# all role
role_dict = {
'AceGPT':['[INST]','[/INST]'],
}
# all start and end token
se_tok_dict = {
'AceGPT':["","</s>"],
}
def format_message(query, history, max_src_len):
if not history:
return f"""{prompt_dict["AceGPT"]}{query} {role_dict["AceGPT"][1]}"""
else:
prompt = prompt_dict["AceGPT"]
filter_historys = []
memory_size = len(prompt) + len(query)
for rev_idx in range(len(history) - 1, -1, -1):
this_turn_len = len(history[rev_idx][0] + history[rev_idx][1])
if memory_size + this_turn_len > max_src_len:
break
filter_historys.append(history[rev_idx])
memory_size += this_turn_len
filter_historys.reverse()
for i, (old_query, response) in enumerate(filter_historys):
prompt += f'{old_query} {role_dict["AceGPT"][1]}{response}{se_tok_dict["AceGPT"][1]}{role_dict["AceGPT"][0]} '
prompt += f'{query} {role_dict["AceGPT"][1]}'
return prompt
def get_llama_response(message: str, history: list) -> str:
"""
Generates a conversational response from the Llama model.
Parameters:
message (str): User's input message.
history (list): Past conversation history.
Returns:
str: Generated response from the Llama model.
"""
temperature=0.5
max_new_tokens = 768
content_len = 2048
stop = StopOnTokens()
max_src_len = content_len-max_new_tokens-8
prompt = format_message(message, history, max_src_len)
model_inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
streamer = TextIteratorStreamer(tokenizer, timeout=10., skip_prompt=True, skip_special_tokens=True)
generate_kwargs = dict(
model_inputs,
streamer=streamer,
max_new_tokens=max_new_tokens,
do_sample=True,
top_p=0.95,
top_k=1000,
temperature=temperature,
num_beams=1,
stopping_criteria=StoppingCriteriaList([stop])
)
t = Thread(target=model.generate, kwargs=generate_kwargs)
t.start()
partial_message = ''
for new_token in streamer:
if new_token != '</s>':
partial_message += new_token
yield partial_message
gr.ChatInterface(get_llama_response, chatbot=gr.Chatbot(rtl=True)).queue().launch(share=True)
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument("--model-name", type=str, default="FreedomIntelligence/AceGPT-7b-chat-GPTQ")
args = parser.parse_args()
main(args) |