13个月前更新
13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
自述文件
CodeUp由DeepSE发布。它基于Meta的Llama 2,并经过微调以改进代码生成能力。这使其能够更好地编写多种编程语言的代码。
开始使用CodeUp
以下示例中使用的模型是CodeUp模型,具有130亿个参数,这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`。要下载模型而不运行它,请使用 `ollama pull codeup`
内存需求
- 130亿参数的模型通常至少需要16GB的RAM
如果您在使用更高量化级别的模型时遇到问题,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(例如,q4表示4位量化)。数字越大,模型精度越高,但运行速度越慢,需要的内存也越多。
别名 |
---|
latest, 13b, 13b-llama2, 13b-llama2-chat, 13b-llama2-chat-q4_0 |
模型来源
Ollama上的CodeUp来源
130亿参数来源:DeepSE