Instructions to use Finisha-F-scratch/Lamina-basic with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use Finisha-F-scratch/Lamina-basic with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="Finisha-F-scratch/Lamina-basic")# Load model directly from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Lamina-basic") model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Lamina-basic") - Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- vLLM
How to use Finisha-F-scratch/Lamina-basic with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "Finisha-F-scratch/Lamina-basic" # 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/Lamina-basic", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker
docker model run hf.co/Finisha-F-scratch/Lamina-basic
- SGLang
How to use Finisha-F-scratch/Lamina-basic 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/Lamina-basic" \ --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/Lamina-basic", "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/Lamina-basic" \ --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/Lamina-basic", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }' - Docker Model Runner
How to use Finisha-F-scratch/Lamina-basic with Docker Model Runner:
docker model run hf.co/Finisha-F-scratch/Lamina-basic
| library_name: transformers | |
| license: other | |
| tags: | |
| - Ancêtre | |
| - first | |
| - mots | |
| # মডেল Carte de Modèle : Lamina-basic | |
|  | |
| Bienvenue sur la page de **Lamina-basic** \! ✨ Ce modèle est un projet expérimental et éducatif créé dans le but d'apprendre les fondamentaux de la création et de l'entraînement d'un modèle de langage (LLM) en partant de zéro. | |
| Il a été conçu, entraîné et publié par **Clemylia**. | |
| ----- | |
| \<hr\> | |
| ## \#\# 📝 Description du Modèle | |
| **Lamina-basic** est un petit modèle de langage de type GPT-2, avec une architecture simple de 3 millions de paramètres. Son unique but est d'être la base de fondation du modèle de language Lamina. | |
| * **🤖 Type de modèle :** Modèle de langage causal (Causal Language Model) | |
| * **🌐 Langue :** Français | |
| * **📚 Données d'entraînement :** Un dataset personnalisé contenant des règles de grammaire de base et quelques paragraphes de connaissances générales (biologie des insectes, faits de base). | |
| * **💻 Entraînement :** Entraîné depuis zéro ("from scratch") sur Google Colab. | |
| ----- | |
| \<hr\> | |
| ## \#\# 🚀 Comment l'utiliser | |
| Pour tester `Lamina-basic`, vous pouvez utiliser le `pipeline` de la bibliothèque `transformers`. | |
| ```python | |
| # 1. Installez les bibliothèques nécessaires | |
| !pip install transformers torch | |
| from transformers import AutoTokenizer, pipeline | |
| # 2. Définissez le nom du modèle sur le Hub | |
| repo_id = "NaaClem/Lamina-basic" | |
| # 3. Créez le pipeline de génération de texte | |
| generator = pipeline('text-generation', model=repo_id, tokenizer=repo_id) | |
| # 4. Donnez un début de phrase au modèle | |
| prompt = "La biologie des insectes est" | |
| # 5. Générez la suite ! | |
| result = generator( | |
| prompt, | |
| max_new_tokens=30, # Génère au maximum 30 nouveaux mots | |
| truncation=True | |
| ) | |
| print(result[0]['generated_text']) | |
| ``` | |
| ----- | |
| \<hr\> | |
| ### \#\#\# ✅ Usages Prévus | |
| * **Démonstration Pédagogique :** Montrer le résultat d'un cycle complet de création d'un LLM. | |
| * **Apprentissage :** Servir de base pour comprendre comment fonctionnent les modèles de langage. | |
| * **Expérimentation :** Être un point de départ pour une V2 avec plus de données et une plus grande architecture. | |
| \<hr\> | |
| ## \#\# Un mot de la créatrice | |
| > "Lamina-basic est mon premier pas dans la création d'IA de A à Z. Ce projet représente une aventure d'apprentissage incroyable, des premières lignes de code à la résolution de bugs complexes. Même s'il est simple, j'espère qu'il pourra inspirer d'autres personnes à se lancer et à construire leurs propres modèles." | |
| > | |
| > — Clemylia | |
| <br> | |
| *Créé avec passion par Clemylia. ❤️* | |
| Lamina-basic peut être considérée comme un Ultra-SLM ou un SLM casual. | |
| **Badge d'ancien** : Ce SLM a été mon tout premier a mes debuts. |