from modelscope import snapshot_downloadmodel_dir = snapshot_download("qwen/Qwen1.5-32B-Chat")

from modelscope import AutoModelForCausalLM, AutoTokenizerdevice = "cuda" # the device to load the model onto
model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen1.5-32B-Chat-GPTQ-Int4",torch_dtype="auto",device_map="auto")tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen1.5-32B-Chat-GPTQ-Int4")
prompt = "Give me a short introduction to large language model."messages = [{"role": "system", "content": "You are a helpful assistant."},{"role": "user", "content": prompt}]text = tokenizer.apply_chat_template(messages,tokenize=False,add_generation_prompt=True)model_inputs = tokenizer([text], return_tensors="pt").to(device)
generated_ids = model.generate(model_inputs.input_ids,max_new_tokens=512)generated_ids = [output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)]
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

from modelscope import AutoModelForCausalLM, AutoTokenizerdevice = "cuda" # the device to load the model onto
model = AutoModelForCausalLM.from_pretrained("qwen/Qwen1.5-32B-Chat",torch_dtype="auto",device_map="auto")tokenizer = AutoTokenizer.from_pretrained("qwen/Qwen1.5-32B-Chat")
prompt = "Give me a short introduction to large language model."messages = [{"role": "system", "content": "You are a helpful assistant."},{"role": "user", "content": prompt}]text = tokenizer.apply_chat_template(messages,tokenize=False,add_generation_prompt=True)model_inputs = tokenizer([text], return_tensors="pt").to(device)
generated_ids = model.generate(model_inputs.input_ids,max_new_tokens=512)generated_ids = [output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)]
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

export VLLM_USE_MODELSCOPE=True

python -m vllm.entrypoints.openai.api_server --model qwen/Qwen1.5-32B-Chat --max-model-len 4096

curl http://localhost:8000/v1/chat/completions \-H "Content-Type: application/json" \-d '{"model": "qwen/Qwen1.5-32B-Chat","messages": [{"role": "system", "content": "You are a helpful assistant."},{"role": "user", "content": "Tell me something about large language models."}]}'

from modelscope.hub.file_download import model_file_download
model_dir = model_file_download(model_id='qwen/Qwen1.5-32B-Chat-GGUF',file_path='qwen1_5-32b-chat-q5_k_m.gguf',revision='master',cache_dir='/mnt/workspace/'

git clone https://github.com/ggerganov/llama.cpp.gitcd llama.cppmake -j && ./main -m /mnt/workspace/qwen/Qwen1.5-32B-Chat-GGUF/qwen1_5-32b-chat-q5_k_m.gguf -p "Building a website can be done in 10 simple steps:\nStep 1:" -n 400 -e

git clone https://github.com/modelscope/swift.gitcd swiftpip install .[llm]
# [optional] pip install flash-attn --no-build-isolation

# https://github.com/modelscope/swift/blob/main/examples/pytorch/llm/scripts/qwen1half_32b_chat/lora_mp/sft.sh# Experimental environment: A100# 2*49GB GPU memoryCUDA_VISIBLE_DEVICES=0,1 \swift sft \--model_type qwen1half-32b-chat \--sft_type lora \--tuner_backend swift \--dtype AUTO \--output_dir output \--dataset ms-bench-mini \--train_dataset_sample 5000 \--num_train_epochs 2 \--max_length 2048 \--check_dataset_strategy warning \--lora_rank 8 \--lora_alpha 32 \--lora_dropout_p 0.05 \--lora_target_modules DEFAULT \--gradient_checkpointing true \--batch_size 1 \--weight_decay 0.1 \--learning_rate 1e-4 \--gradient_accumulation_steps 16 \--max_grad_norm 0.5 \--warmup_ratio 0.03 \--eval_steps 100 \--save_steps 100 \--save_total_limit 2 \--logging_steps 10 \--use_flash_attn false \

--custom_train_dataset_path xxx.jsonl \--custom_val_dataset_path yyy.jsonl \

# Experimental environment: A100# 66GB GPU memoryCUDA_VISIBLE_DEVICES=0 \swift infer \--ckpt_dir "output/qwen1half-32b-chat/vx-xxx/checkpoint-xxx" \--load_dataset_config true \--use_flash_attn false \--max_new_tokens 2048 \--temperature 0.1 \--top_p 0.7 \--repetition_penalty 1. \--do_sample true \--merge_lora false \

[PROMPT]<|im_start|>systemYou are a helpful assistant.<|im_end|><|im_start|>user解决以下数学问题：如果一件物品最初的价格为100元，并以每年5%的速度上涨，那么在10年后它的价格是多少？<|im_end|><|im_start|>assistant[OUTPUT]在10年后，该物品的价格将是162.89元。<|im_end|>
[LABELS]这是一个复利计算问题。复利计算是指以一定的利率每年将原本资金所获得的利息加入本金中并计算下一年的利息。在本题中，物品价格每年都以5%的速度上涨，也就是说每年物品的价格增加为原先的1.05倍。因此，我们可以使用以下公式来计算10年后物品的价格：价格 = 初始价格 × (1 + 年利率)^年数将年利率设为0.05，年数设为10，初始价格设为100元，代入公式得到：价格 = 100 × (1 + 0.05)^10 = 100 × 1.62889 ≈ 162.89因此，10年后这件物品的价格约为162.89元。--------------------------------------------------<|im_start|>user重新写一遍这个句子，让它更容易被理解。在计划下个月的公司旅行时，必须先确定所有员工的意见和偏好以便可以作出最佳决策。<|im_end|><|im_start|>assistant[OUTPUT]为了做出最佳决策，需要在计划下个月的公司旅行之前先确定所有员工的意见和偏好。<|im_end|>
[LABELS]为了做出最佳的决策，计划下个月公司旅行的时候需要先确定所有员工的意见和偏好。--------------------------------------------------[PROMPT]<|im_start|>systemYou are a helpful assistant.<|im_end|><|im_start|>user请建议一种有效的工作流程，以提高团队的效率和生产力。<|im_end|><|im_start|>assistant[OUTPUT]一种有效的工作流程是采用敏捷开发方法，它强调快速迭代和反馈，以确保团队能够快速响应变化和需求。以下是敏捷开发方法的一些关键步骤：1. 定义目标和需求：团队需要明确项目的目标和需求，以便确定要完成的任务和优先级。2. 制定计划：团队需要制定一个详细的计划，包括要完成的任务、时间表和资源分配。3. 迭代开发：团队需要将项目分解为一系列小的迭代，每个迭代都包括设计、开发、测试和反馈等步骤。4. 每日站立会议：团队需要每天进行一次站立会议，以讨论进度、问题和下一步计划。5. 代码审查：团队需要进行代码审查，以确保代码质量、可维护性和可扩展性。6. 测试和反馈：团队需要进行测试和反馈，以确保产品符合需求和质量标准。7. 评估和改进：团队需要定期评估和改进工作流程，以提高效率和生产力。通过采用敏捷开发方法，团队可以快速响应变化和需求，提高效率和生产力。同时，团队成员可以更好地协作和沟通，以确保项目成功完成。<|im_end|>
[LABELS]以下是一个有效的工作流程建议，以提高团队的效率和生产力：1. 设定明确的目标和对任务的优先级排序在团队开始工作之前，确保明确指定任务的目标和优先级。这样能帮助团队了解他们需要专注哪些任务，以及哪些任务是最紧急的。这有助于团队可以更高效地为达成目标而努力。2. 分配任务和设置期限根据任务的优先级，划分任务以使每个人都有具体的职责。并且需要为每个任务设定期限，以确保进度的跟踪和保证任务按时完成。3. 沟通协作协作和沟通至关重要。团队成员可以通过定期会议、电子邮件、聊天等多种方式交流，并确保他们了解其他成员的进展。结构化的课程表，以便每个团队成员知道繁忙时间段在何时何地，以便更好地进行协作。4. 保持记录在每个任务结束时，团队成员应该时刻保持追踪每个任务的完成情况，并监控团队整体的进展情况。可以利用基于云的应用程序或在线工具来共享，以促进透明度和团队合作。5. 审查和更新进度定期审查团队的进展情况和成果。需要时进行调整和更新，以确保每个人专注于正确的任务，并且每个任务都保持在预期时间内完成。以上是一个有效的工作流程建议，旨在提高团队的效率和生产力。通过这些流程，团队成员可以更有效地协作，更快地完成任务，并交付更好的项目。