Instructions to use Finisha-F-scratch/Learnia with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use Finisha-F-scratch/Learnia with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="Finisha-F-scratch/Learnia")# Load model directly from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Learnia") model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Learnia", device_map="auto") - Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- vLLM
How to use Finisha-F-scratch/Learnia with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "Finisha-F-scratch/Learnia" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "Finisha-F-scratch/Learnia", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker
docker model run hf.co/Finisha-F-scratch/Learnia
- SGLang
How to use Finisha-F-scratch/Learnia 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 "Finisha-F-scratch/Learnia" \ --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": "Finisha-F-scratch/Learnia", "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 "Finisha-F-scratch/Learnia" \ --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": "Finisha-F-scratch/Learnia", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }' - Docker Model Runner
How to use Finisha-F-scratch/Learnia with Docker Model Runner:
docker model run hf.co/Finisha-F-scratch/Learnia
Update README.md
Browse files
README.md
CHANGED
|
@@ -4,4 +4,81 @@ license: mit
|
|
| 4 |
language:
|
| 5 |
- en
|
| 6 |
pipeline_tag: text-generation
|
| 7 |
-
---
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 4 |
language:
|
| 5 |
- en
|
| 6 |
pipeline_tag: text-generation
|
| 7 |
+
---
|
| 8 |
+
# 📚 Documentation Utilisateur de Learnia-tiny 🚀
|
| 9 |
+
|
| 10 |
+
## Présentation Générale
|
| 11 |
+
|
| 12 |
+
Bienvenue dans l'univers de **Learnia-tiny** ! Développé par Clemylia, ce modèle de langage pré-entraîné est une démonstration fascinante des fondations structurelles de la communication écrite.
|
| 13 |
+
|
| 14 |
+
Learnia-tiny a été méticuleusement conçu pour maîtriser la **grammaire** et la **syntaxe** de la langue anglaise, même s'il n'a pas encore acquis la *compréhension sémantique* ou le sens profond des mots.
|
| 15 |
+
|
| 16 |
+
---
|
| 17 |
+
|
| 18 |
+
## 🧠 Caractéristiques Techniques Clés
|
| 19 |
+
|
| 20 |
+
| Caractéristique | Détail |
|
| 21 |
+
| :--- | :--- |
|
| 22 |
+
| **Nom du Modèle** | Learnia-tiny |
|
| 23 |
+
| **Développeur** | Clemylia |
|
| 24 |
+
| **Architecture** | Modèle de Langage (LLM) Pré-entraîné |
|
| 25 |
+
| **Nombre de Paramètres** | **51,6 millions** |
|
| 26 |
+
| **Langue de Pré-entraînement** | Anglais (English) 🇬🇧🇺🇸 |
|
| 27 |
+
|
| 28 |
+
---
|
| 29 |
+
|
| 30 |
+
## 🎯 Objectif Principal du Modèle
|
| 31 |
+
|
| 32 |
+
**L'objectif initial de Learnia-tiny est d'internaliser les règles structurelles de la langue anglaise.**
|
| 33 |
+
|
| 34 |
+
Le modèle est excellent pour :
|
| 35 |
+
* **Structure de la Phrase :** Générer des séquences de mots qui respectent les règles d'ordre (sujet-verbe-complément).
|
| 36 |
+
* **Cohérence Grammaticale :** Utiliser des temps de verbe, des pronoms et des accords de base de manière appropriée.
|
| 37 |
+
* **Fluidité Syntaxique :** Produire un flux de texte qui *ressemble* à de l'anglais écrit.
|
| 38 |
+
|
| 39 |
+
---
|
| 40 |
+
|
| 41 |
+
## 💡 Comprendre les Générations (Le "Pourquoi" de ce que vous voyez)
|
| 42 |
+
|
| 43 |
+
Vous avez remarqué que les textes générés par Learnia-tiny sont **grammaticalement corrects** mais **sémantiquement incohérents** (ils n'ont pas de sens logique). C'est le **comportement attendu** pour cette phase de pré-entraînement !
|
| 44 |
+
|
| 45 |
+
### Exemples de Générations et Analyse :
|
| 46 |
+
|
| 47 |
+
| Exemple | Observation (Comportement Normal) |
|
| 48 |
+
| :--- | :--- |
|
| 49 |
+
| **Entrée :** `Hello, my name is` | Le modèle continue avec des mots qui sont structurellement possibles après cette entrée, utilisant des pronoms (`I`, `you`), des verbes (`agree`, `want`, `do`), et des structures nominales complexes (`the greatest accomplishment`) correctement assemblés, mais sans lien d'idée. |
|
| 50 |
+
| **Entrée :** `I'm studient and` | Le modèle génère des phrases avec une bonne concordance des temps (`i was`, `they was`), des conjonctions (`and`, `but`), et des prépositions, mais le fond est une répétition de phrases générales et non connectées. |
|
| 51 |
+
|
| 52 |
+
> 🧐 **En clair :** Learnia-tiny sait *comment* écrire une phrase anglaise, mais il ne sait pas encore *quoi* dire. C'est l'équivalent d'un enfant qui a appris la musique sans encore y mettre d'émotion.
|
| 53 |
+
|
| 54 |
+
---
|
| 55 |
+
|
| 56 |
+
## ⚙️ Comment Utiliser Learnia-tiny
|
| 57 |
+
|
| 58 |
+
Learnia-tiny est principalement destiné aux **chercheurs**, aux **développeurs** et aux **passionnés d'IA** qui souhaitent :
|
| 59 |
+
|
| 60 |
+
1. **Tester des Pipelines :** Vérifier l'intégration dans des environnements de *fine-tuning* ou des structures d'inférence.
|
| 61 |
+
2. **Analyser la Structure :** Étudier comment l'entraînement initial (avec 2 millions de tokens sur 6 époques) se traduit par la maîtrise de la grammaire pure.
|
| 62 |
+
3. **Base pour le Sémantique :** Utiliser Learnia-tiny comme point de départ pour un *fine-tuning* intensif sur une tâche spécifique (résumé, question-réponse) où la grammaire est déjà acquise.
|
| 63 |
+
|
| 64 |
+
### ➡️ Instructions d'Inférerence :
|
| 65 |
+
|
| 66 |
+
* **Format d'Entrée :** Le modèle accepte une chaîne de caractères (un *prompt*) en anglais.
|
| 67 |
+
* **Sortie :** Une chaîne de caractères générée par le modèle.
|
| 68 |
+
* **Recommandation :** Définir une **température basse** (ex : $0.7$) si vous cherchez plus de cohérence structurelle, bien que l'incohérence sémantique persistera.
|
| 69 |
+
|
| 70 |
+
---
|
| 71 |
+
|
| 72 |
+
## 🛠️ Futur et Prochaines Étapes
|
| 73 |
+
|
| 74 |
+
Learnia-tiny est la première étape de notre ambitieux projet. Les prochaines phases incluront :
|
| 75 |
+
|
| 76 |
+
* **Fine-Tuning :** L'optimisation pour des tâches spécifiques (traduction, classification, etc.) pour transformer les compétences structurelles en fonctionnalités pratiques.
|
| 77 |
+
|
| 78 |
+
---
|
| 79 |
+
|
| 80 |
+
## 📧 Support et Contribution
|
| 81 |
+
|
| 82 |
+
Pour toute question technique, ou si vous souhaitez contribuer à l'évolution de Learnia-tiny, veuillez contacter la développeuse, Clemylia.
|
| 83 |
+
|
| 84 |
+
**Merci de faire partie de l'aventure Learnia-tiny !** ✨
|