RWKV-4

本页面介绍了如何在 LangChain 中使用 RWKV-4 包装器。内容分为两部分：安装和设置，以及使用示例。

安装和设置

• 使用 pip install rwkv 安装 Python 包
• 使用 pip install tokenizer 安装 tokenizer Python 包
• 下载 RWKV 模型 并将其放置在所需的目录中
• 下载 tokens 文件

使用

RWKV

要使用 RWKV 包装器，您需要提供预训练模型文件的路径和分词器的配置。

from langchain_community.llms import RWKV
# 测试模型
```python
def generate_prompt(instruction, input=None):
    if input:
        return f"""以下是描述任务的指令，配以提供更多上下文的输入。编写一个适当完成请求的响应。
# 指令:
{instruction}
# 输入:
{input}
# 响应:
"""
    else:
        return f"""以下是描述任务的指令。编写一个适当完成请求的响应。
# 指令:
{instruction}
# 响应:
"""
model = RWKV(model="./models/RWKV-4-Raven-3B-v7-Eng-20230404-ctx4096.pth", strategy="cpu fp32", tokens_path="./rwkv/20B_tokenizer.json")
response = model.invoke(generate_prompt("从前，有一只小猫，"))

模型文件

您可以在 RWKV-4-Raven 仓库中找到模型文件下载链接。

Rwkv-4 模型 -> 推荐 VRAM

RWKV VRAM
模型 | 8位 | bf16/fp16 | fp32
14B   | 16GB | 28GB      | >50GB
7B    | 8GB  | 14GB      | 28GB
3B    | 2.8GB| 6GB       | 12GB
1b5   | 1.3GB| 3GB       | 6GB

有关更多策略的信息，包括流式处理和 cuda 支持，请参阅 rwkv pip 页面。