Instructions to use NorwAI/NorwAI-Mixtral-8x7B-instruct with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use NorwAI/NorwAI-Mixtral-8x7B-instruct with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="NorwAI/NorwAI-Mixtral-8x7B-instruct")# Load model directly from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("NorwAI/NorwAI-Mixtral-8x7B-instruct") model = AutoModelForCausalLM.from_pretrained("NorwAI/NorwAI-Mixtral-8x7B-instruct") - Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- vLLM
How to use NorwAI/NorwAI-Mixtral-8x7B-instruct with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "NorwAI/NorwAI-Mixtral-8x7B-instruct" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "NorwAI/NorwAI-Mixtral-8x7B-instruct", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker
docker model run hf.co/NorwAI/NorwAI-Mixtral-8x7B-instruct
- SGLang
How to use NorwAI/NorwAI-Mixtral-8x7B-instruct 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 "NorwAI/NorwAI-Mixtral-8x7B-instruct" \ --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": "NorwAI/NorwAI-Mixtral-8x7B-instruct", "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 "NorwAI/NorwAI-Mixtral-8x7B-instruct" \ --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": "NorwAI/NorwAI-Mixtral-8x7B-instruct", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }' - Docker Model Runner
How to use NorwAI/NorwAI-Mixtral-8x7B-instruct with Docker Model Runner:
docker model run hf.co/NorwAI/NorwAI-Mixtral-8x7B-instruct
GGUF?
Muligheter for GGUF på denne
kan du prøve å lage det og komme med tilbakemelding på hvordan det gikk
du trenger ollama og laste ned safetansor filene
du kan bruke ollama create kommandoen for å lage gguf modellen.
I modellfilen til denne modellen må du legge til dette øverst
FROM /path/to/safetensors/directory
OBS har ikke prøvd dette selv, bare en antagelse at det vil fungere
ref : https://github.com/ollama/ollama/blob/main/docs/import.md
Hei,
Ikke helt det du spør om, men du kan prøve å lage dem selv ja. Dette prosjektet ser ut til å være en enkel måte å gjøre det på - har ikke testet det selv, men ser lovende ut. Bare legg inn repo-URL'en, sett at den skal lage et privat repo (så du ikke publiserer andres modeller selv), og napp filene ut derfra. Så kloner du dette repoet (NorwAI/NorwAI-Mixtral osv), lager en PR-branch (Files and versions -> Contribute), puller ned den, legger inn filer og lager en PR. Verdt å teste!
Ellers kan man bruke llama.cpp til å kompilere manuelt, jeg som har gjort det før for enkelte av disse modellene (de som i dag heter "overfitting", som var de første instruct-versjonene). Dersom du ikke får det til, ping denne tråden igjen så kan jeg se om jeg kan fikse det.
(PS: jeg jobber ikke for NorwAI, grunnen til at jeg er tagget som del av teamet var at jeg var del i et prosjekt som fikk tidlig tilgang til modellene.)