Instructions to use t-tech/T-pro-it-2.0 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use t-tech/T-pro-it-2.0 with Transformers:

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

pipe = pipeline("text-generation", model="t-tech/T-pro-it-2.0")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("t-tech/T-pro-it-2.0")
model = AutoModelForCausalLM.from_pretrained("t-tech/T-pro-it-2.0")
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

vLLM

How to use t-tech/T-pro-it-2.0 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "t-tech/T-pro-it-2.0"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "t-tech/T-pro-it-2.0",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/t-tech/T-pro-it-2.0

SGLang

How to use t-tech/T-pro-it-2.0 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 "t-tech/T-pro-it-2.0" \
    --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": "t-tech/T-pro-it-2.0",
		"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 "t-tech/T-pro-it-2.0" \
        --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": "t-tech/T-pro-it-2.0",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use t-tech/T-pro-it-2.0 with Docker Model Runner:
```
docker model run hf.co/t-tech/T-pro-it-2.0
```

Можете обучить на том же датасете модель RWKV?

by Regrin - opened about 1 month ago

Discussion

Regrin

about 1 month ago

Добрый день!
Я интересуюсь архитектурой моделей RWKV. https://www.rwkv.com/
Это рекуррентные сети, которые могут обучаться параллельно, как трансформеры.
Они работают очень быстро. Если обрабтывать сразу много запросов, на RTX 5090 RWKV-7 7.2b в fp 16 выдаёт 10 000 токенов в секунду на вход, и 1000 токенов на выход. Это очень хорошо!
К сожалению, RWKV-7 7.2b работает с русским языком из рук вон плохо. Просто ужасно.
Может быть, вы можете обучить её на своих датасетах? На тех, на которых обучали T-Pro.
RWKV-7 7.2b на кластере 4x8 H100 обучается со скоростью примерно 250 000 токенов в секунду. У вас датасет 4 670 000 000 токенов. Получается, что на таком кластере это всё будет обучаться всего пять часов!

Кластер из четырёх H100 стоит 1500 рублей в час. Умножаем на восемь: 12 000. Умножаем на пять: 60 000 рублей. Меньше 200 000!
Это очень и очень дёшево! Даже если оно будет обучаться целый день, это всё равно копейки для такой организации как ваша!
Очень прошу вас, попробуйте! От вас не убудет!
Если хотите, можно организовать сбор данатов.
Это будет отличный эксперимент!
Заранее спасибо!

Regrin

about 1 month ago

Но и это ещё не всё!
Один человек обнаружил замечательную особенность нейронных сетей.
Если продублировать один блок у трансформера, он становится гораздо умнее! Главное, правильно найти этот блок.
Если в RWKV можно дублировать блоки, можно найти такой, который даёт максимальный прирост качества, или хотя бы не портит его.
И обучать можно только этот блок! Это может теоретически решить проблему катастрофического забывания.
Я буду очень благодарен, если вы откликнитесь!

Upload images, audio, and videos by dragging in the text input, pasting, or clicking here.

Tap or paste here to upload images

· Sign up or log in to comment