Instructions to use Finisha-F-scratch/Tiny-DonaKitty with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Finisha-F-scratch/Tiny-DonaKitty with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/Tiny-DonaKitty")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Tiny-DonaKitty")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Tiny-DonaKitty")

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use Finisha-F-scratch/Tiny-DonaKitty with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Finisha-F-scratch/Tiny-DonaKitty"
# 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/Tiny-DonaKitty",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/Finisha-F-scratch/Tiny-DonaKitty

SGLang

How to use Finisha-F-scratch/Tiny-DonaKitty 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/Tiny-DonaKitty" \
    --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/Tiny-DonaKitty",
		"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/Tiny-DonaKitty" \
        --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/Tiny-DonaKitty",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Finisha-F-scratch/Tiny-DonaKitty with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/Tiny-DonaKitty
```

✨ Tiny-DonaKitty ⚡🩷

Tiny-DonaKitty est la "TINY" version de Dona-kity-10m. Elle préserve la texture et les cassures de syntaxe originales de La Version 10M.

Tiny-DonaKitty est un SLM (Small language model) de 2,14 millions de parametres, Conçu avec une syntaxe originale, et entraîné sur 2000 des sorties de Dona-kity-10m originale.

🪷✨ Utiliser

Pour utiliser le modèle Tiny-DonaKitty, Utilisez transformers, cette IA est compatible avec les bibliothèques pytorch/transformers hugging face standard.

✨ Avertissement 🪇

N'attendez jamais de texte lisse, 100% humain, La majorité de nos IA sont des écrivains de texture et de syntaxe originales, en tirant le meilleur parti de leurs données d'entraînement qu'elles ont reçu.

Finisha-f-scratch n'entraîne/crée pas ses IA sur le web publique et avec des solutions standard.

Mais de façon totalement indépendante.

🥕 Cas d'usage

ne demandez pas a Tiny-DonaKitty de traduire, de rédiger des rapports ou de vous dire la couleur du ciel
utilisez plutôt chacune de nos IA et algorithme, pour ce dont ils ont été spécialement conçu.

Downloads last month: 3

Safetensors

Model size

2.14M params

Tensor type

F32

Space using Finisha-F-scratch/Tiny-DonaKitty 1

Collections including Finisha-F-scratch/Tiny-DonaKitty

From scratch

Collection

Finisha SLM ✨ • 87 items • Updated Mar 23

Petits-modèles (TLM)

Collection

Chez Finisha, les modèles de langages crée avec transformers sont considérés comme des TLM si ils ont moins de 12 millions de parametres. • 14 items • Updated Mar 23