RWKV-4

本页面介绍如何在LangChain中使用RWKV-4包装器。 它分为两个部分：安装和设置，然后是使用示例。

安装和设置

• 使用pip install rwkv安装Python包
• 使用pip install tokenizer安装分词器Python包
• 下载一个RWKV模型并将其放置在您想要的目录中
• 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

# Test the model

```python

def generate_prompt(instruction, input=None):
    if input:
        return f"""Below is an instruction that describes a task, paired with an input that provides further context. Write a response that appropriately completes the request.

# Instruction:
{instruction}

# Input:
{input}

# Response:
"""
    else:
        return f"""Below is an instruction that describes a task. Write a response that appropriately completes the request.

# Instruction:
{instruction}

# Response:
"""


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("Once upon a time, "))

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 -> 推荐的 VRAM

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

有关策略的更多信息，包括流式处理和 CUDA 支持，请参见 rwkv pip 页面。