更新于 15 个月前
15 个月前
54289661f7a9 · 7.4GB
模型
架构llama
·
参数13B
·
量化Q4_0
7.4GB
参数
{ "stop": [ "### Instruction:", "### Response:" ] }
45B
模板
{{ .System }} ### Instruction: {{ .Prompt }} ### Response:
61B
系统
Below is an instruction that describes a task. Write a response that appropriately completes the req
105B
Readme
CodeUp 由 DeepSE 发布。它基于 Meta 的 Llama 2,并针对更好的代码生成进行了微调。这使其能够使用多种语言编写更好的代码。
开始使用 CodeUp
下例中使用的模型是 CodeUp 模型,具有 13b 参数,它是一个代码生成模型。
API
- 启动 Ollama 服务器 (运行 `ollama serve`)
- 运行模型
curl -X POST https://127.0.0.1:11434/api/generate -d '{
"model": "codeup",
"prompt":"Write a C++ code to find the longest common substring in two strings."
}'
CLI
- 安装 Ollama
- 打开终端并运行 `ollama run codeup`
注意:如果模型尚未下载,`ollama run` 命令会执行 `ollama pull`。要在不运行模型的情况下下载模型,请使用 `ollama pull codeup`
内存要求
- 13b 模型通常至少需要 16GB 内存
如果您在使用更高量化级别时遇到问题,请尝试使用 q4 模型或关闭任何其他占用大量内存的程序。
模型变体
默认情况下,Ollama 使用 4 位量化。要尝试其他量化级别,请尝试其他标签。q 后面的数字表示用于量化的位数(即 q4 表示 4 位量化)。数字越高,模型越准确,但运行速度越慢,并且需要更多内存。
别名 |
---|
latest, 13b, 13b-llama2, 13b-llama2-chat, 13b-llama2-chat-q4_0 |
模型来源
Ollama 上的 CodeUp 来源
13b 参数来源:DeepSE