Instructions to use zai-org/codegeex4-all-9b with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use zai-org/codegeex4-all-9b with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="zai-org/codegeex4-all-9b", trust_remote_code=True)# Load model directly from transformers import AutoModel model = AutoModel.from_pretrained("zai-org/codegeex4-all-9b", trust_remote_code=True, dtype="auto") - Notebooks
- Google Colab
- Kaggle
- Local Apps
- vLLM
How to use zai-org/codegeex4-all-9b with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "zai-org/codegeex4-all-9b" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "zai-org/codegeex4-all-9b", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker
docker model run hf.co/zai-org/codegeex4-all-9b
- SGLang
How to use zai-org/codegeex4-all-9b 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 "zai-org/codegeex4-all-9b" \ --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": "zai-org/codegeex4-all-9b", "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 "zai-org/codegeex4-all-9b" \ --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": "zai-org/codegeex4-all-9b", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }' - Docker Model Runner
How to use zai-org/codegeex4-all-9b with Docker Model Runner:
docker model run hf.co/zai-org/codegeex4-all-9b
线上这个部署的demo,请问基本参数是怎么设置的(最佳的部署设置是?)
因为好像demo比我本地部署的要好,测试多次,差别还挺大的,而且同样的输如,仅仅是形式不一样,不知道为什么结果也同样显著不一样。比如:
1.Query: "2022年7月到2023年7月之间发布的歌曲,按播放量取top 100,再按月粒度来统计近1年的运营播放量"\n\n"dbSchema": "Table: 歌曲库, Columns = ["歌曲语言", "歌曲来源", "运营播放量", "播放量", "歌曲名", "结算播放量", "专辑名", "发布日期", "歌曲版本", "歌曲类型", "数据日期"]"\n(补充信息:字段“数据日期”即当前的日期是2023-09-10)\n\nSQL:
2.Query: "2022年7月到2023年7月之间发布的歌曲,按播放量取top 100,再按月粒度来统计近1年的运营播放量"
"dbSchema": "Table: 歌曲库, Columns = ["歌曲语言", "歌曲来源", "运营播放量", "播放量", "歌曲名", "结算播放量", "专辑名", "发布日期", "歌曲版本", "歌曲类型", "数据日期"]"
(补充信息:字段“数据日期”即当前的日期是2023-09-10)
SQL:
2显著好于1,被惊讶到了
感觉训练时的prompt没有很复杂?一旦指令多后,输出就不行了,但少的时候,感觉又没有什么逻辑 。比如加了一点无关的输入,应该不对对总体输出有影响,但就是输出差别比较大,显著不同了。
因为好像demo比我本地部署的要好,测试多次,差别还挺大的,而且同样的输如,仅仅是形式不一样,不知道为什么结果也同样显著不一样。比如:
1.Query: "2022年7月到2023年7月之间发布的歌曲,按播放量取top 100,再按月粒度来统计近1年的运营播放量"\n\n"dbSchema": "Table: 歌曲库, Columns = ["歌曲语言", "歌曲来源", "运营播放量", "播放量", "歌曲名", "结算播放量", "专辑名", "发布日期", "歌曲版本", "歌曲类型", "数据日期"]"\n(补充信息:字段“数据日期”即当前的日期是2023-09-10)\n\nSQL:
2.Query: "2022年7月到2023年7月之间发布的歌曲,按播放量取top 100,再按月粒度来统计近1年的运营播放量""dbSchema": "Table: 歌曲库, Columns = ["歌曲语言", "歌曲来源", "运营播放量", "播放量", "歌曲名", "结算播放量", "专辑名", "发布日期", "歌曲版本", "歌曲类型", "数据日期"]"
(补充信息:字段“数据日期”即当前的日期是2023-09-10)SQL:
2显著好于1,被惊讶到了
SQL这类对于准确率较高的任务,建议使用更低随机性的设置。线上DEMO设置是temperature=0.2, top_p=0.95,也可以尝试设置更低的top_p。
好勒,谢谢。不太理解前面那个一样的输入,转义了而已,等同的,居然结果显著不一样