更新于 12 个月前
12 个月前
ec5d06ff705d · 9.2GB
模型
架构llama
·
参数13B
·
量化Q5_K_M
9.2GB
参数
{"stop":["### 指令:","### 响应:"]}
45B
模板
{{ .System }} ### 指令: {{ .Prompt }} ### 响应:
61B
系统
下面是一个描述任务的指令。写一个恰当的响应来完成请求
105B
自述文件
CodeUp 由 DeepSE 发布。它基于来自 Meta 的 Llama 2,然后针对更好的代码生成进行了微调。这使它能够以多种语言编写更好的代码。
开始使用 CodeUp
以下示例中使用的模型是 CodeUp 模型,具有 13b 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
命令将执行 ollama pull
。要下载模型而不运行它,请使用 ollama pull codeup
内存需求
- 13b 模型通常至少需要 16GB 的 RAM
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使用大量内存的程序。
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,模型越准确,但运行速度越慢,所需的内存也越多。
别名 |
---|
latest, 13b, 13b-llama2, 13b-llama2-chat, 13b-llama2-chat-q4_0 |
模型来源
Ollama 上的 CodeUp 源代码
13b 参数来源:DeepSE