Instructions to use LenguajeNaturalAI/leniachat-gemma-2b-v0 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use LenguajeNaturalAI/leniachat-gemma-2b-v0 with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="LenguajeNaturalAI/leniachat-gemma-2b-v0")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("LenguajeNaturalAI/leniachat-gemma-2b-v0")
model = AutoModelForCausalLM.from_pretrained("LenguajeNaturalAI/leniachat-gemma-2b-v0", device_map="auto")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Inference
Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use LenguajeNaturalAI/leniachat-gemma-2b-v0 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "LenguajeNaturalAI/leniachat-gemma-2b-v0"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "LenguajeNaturalAI/leniachat-gemma-2b-v0",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/LenguajeNaturalAI/leniachat-gemma-2b-v0

SGLang

How to use LenguajeNaturalAI/leniachat-gemma-2b-v0 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 "LenguajeNaturalAI/leniachat-gemma-2b-v0" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "LenguajeNaturalAI/leniachat-gemma-2b-v0",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

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 "LenguajeNaturalAI/leniachat-gemma-2b-v0" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "LenguajeNaturalAI/leniachat-gemma-2b-v0",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use LenguajeNaturalAI/leniachat-gemma-2b-v0 with Docker Model Runner:
```
docker model run hf.co/LenguajeNaturalAI/leniachat-gemma-2b-v0
```

leniachat-gemma-2b-v0 / README.md

avacaondata

Update README.md

e5691dc verified over 2 years ago

preview code

Raw

History Blame

4.61 kB

	---
	language: es
	license: apache-2.0
	tags:
	- text-generation-inference
	- transformers
	- gemma
	- chat
	- qa
	- multi-task-learning
	- instruction-tuning
	base_model: google/gemma-2b
	---


	![image/png](https://cdn-uploads.huggingface.co/production/uploads/61f333df8f26cc42dc587011/KX0yrpzeH2x3M4FWyx40Y.png)

	# Modelo LenguajeNatural.AI Chat e Instrucciones 2B

	## Desarrollado por

	Este modelo ha sido desarrollado por [LenguajeNatural.AI](https://lenguajenatural.ai/), con el objetivo de proporcionar a la comunidad de habla hispana herramientas avanzadas para la generación de texto, chat e instrucciones. Es el primero de una serie de modelos que planeamos lanzar.

	## Licencia

	Este modelo se distribuye bajo la licencia Apache 2.0.

	## Modelo Base

	Este modelo se ha afinado a partir de `google/gemma-2b`, incorporando características avanzadas para una mejor generación de texto y comprensión en tareas de chat e instrucciones en español.

	## Idioma

	El modelo ha sido entrenado exclusivamente en español, con el objetivo de maximizar su efectividad en aplicaciones destinadas a usuarios de habla hispana.

	## Entrenamiento

	El modelo se ha entrenado en tres fases distintas para asegurar un buen rendimiento en una amplia gama de tareas:

	1. Aprendizaje multi-tarea en español: Utilizando múltiples conjuntos de datos supervisados para un entrenamiento al estilo FLAN.
	2. Entrenamiento de instrucciones de alta calidad: Afinando el modelo para entender y generar respuestas a instrucciones complejas.
	3. Entrenamiento de chat y QA abstractivo: Optimizando el modelo para conversaciones fluidas y la generación de respuestas a preguntas abstractas.

	En las 3 fases se ha llevado a cabo el entrenamiento gracias a nuestra librería [autotransformers](https://github.com/lenguajenatural-ai/autotransformers).


	![image/png](https://cdn-uploads.huggingface.co/production/uploads/61f333df8f26cc42dc587011/LbzqllY6iX7IHhqXx4qeA.png)

	## Tamaño máximo de secuencia

	El tamaño máximo de secuencia para este modelo es de 8192 tokens.

	## Usos y Limitaciones

	Este modelo está diseñado para ser utilizado en aplicaciones de generación de texto, chatbots, y asistentes virtuales en español. Aunque ha sido entrenado para minimizar sesgos y errores, recomendamos evaluar su desempeño en su contexto específico de uso. Los usuarios deben ser conscientes de las limitaciones inherentes a los modelos de lenguaje y utilizar este modelo de manera responsable.
	Además, debe tenerse en cuenta que el modelo base es de únicamente 2b parámetros, por lo que este modelo comparte las limitaciones inherentes a los modelos de ese tamaño.

	## ¿Cómo empezar?

	Puedes empezar a utilizar este modelo a través de la API de Hugging Face o integrarlo en tus aplicaciones utilizando la biblioteca `transformers`. Aquí tienes un ejemplo de cómo cargar el modelo:

	```python
	from transformers import AutoModelForCausalLM, AutoTokenizer
	import torch

	model_name = "LenguajeNaturalAI/leniachat-gemma-2b-v0"
	tokenizer = AutoTokenizer.from_pretrained(model_name)
	model = AutoModelForCausalLM.from_pretrained(model_name)

	# Generar texto
	messages = [
	{"role": "system", "content": "Eres un asistente que ayuda al usuario a lo largo de la conversación resolviendo sus dudas."},
	{"role": "user", "content": "¿Qué fue la revolución industrial?"}
	]
	input_ids = tokenizer.apply_chat_template(messages, tokenize=True, return_tensors="pt")
	with torch.no_grad():
	output = model.generate(input_ids, max_new_tokens=50)
	print(tokenizer.decode(output[0], skip_special_tokens=True))
	```

	## Evaluación
	Para asegurar la calidad del modelo, se ha realizado una evaluación exhaustiva en varios conjuntos de datos, mostrando un rendimiento significativo en la generación de texto y la comprensión de instrucciones en español. Los detalles específicos de la evaluación de los modelos LeNIA-Chat están disponibles en la siguiente tabla.

	![image/png](https://cdn-uploads.huggingface.co/production/uploads/61f333df8f26cc42dc587011/5dSFtkZ6PmfoaDxBLDVvo.png)

	## Contribuciones
	Animamos a la comunidad a contribuir con retroalimentación, sugerencias, y mejoras para este modelo. La colaboración es fundamental para el avance de la inteligencia artificial accesible y ética.

	## Futuras Versiones
	Planeamos continuar mejorando este modelo y lanzar versiones futuras con capacidades ampliadas. Mantente atento a nuestras actualizaciones. Puedes estar al tanto en nuestra [página web](https://lenguajenatural.ai/) o nuestra [página de LinkedIn](https://www.linkedin.com/company/lenguajenatural-ai/).