Instructions to use Neurai/NeuraChatLlama3_8b with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Neurai/NeuraChatLlama3_8b with Transformers:

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

pipe = pipeline("text-generation", model="Neurai/NeuraChatLlama3_8b")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Neurai/NeuraChatLlama3_8b")
model = AutoModelForCausalLM.from_pretrained("Neurai/NeuraChatLlama3_8b")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use Neurai/NeuraChatLlama3_8b with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Neurai/NeuraChatLlama3_8b"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Neurai/NeuraChatLlama3_8b",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Neurai/NeuraChatLlama3_8b

SGLang

How to use Neurai/NeuraChatLlama3_8b 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 "Neurai/NeuraChatLlama3_8b" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Neurai/NeuraChatLlama3_8b",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

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 "Neurai/NeuraChatLlama3_8b" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Neurai/NeuraChatLlama3_8b",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Neurai/NeuraChatLlama3_8b with Docker Model Runner:
```
docker model run hf.co/Neurai/NeuraChatLlama3_8b
```

Neura Chat llama3 8B

Model Description

Developed by: Neura company
Funded by: Neura
Model type: llama3
Language(s) (NLP): Persian
Finetuned from model: meta-llama/Meta-Llama-3-8B-Instruct

Model Sources

Repository: https://huggingface.co/meta-llama/Meta-Llama-3-8B-Instruct

Uses

Check out the Google Colab demo to run NeuraChatLlama3_8b on a free-tier Google Colab instance:

make sure these packages are installed:

!pip install --no-deps xformers accelerate bitsandbytes
!pip install -q -U transformers

import transformers
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "Neurai/NeuraChatLlama3_8b"

pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device="cuda",
)


messages = [
    {"role": "system", "content": "تو یک دستیار هوشمند هستی که به هر سوالی پاسخ مناسب و غیر تکراری و بدون تکرار و زیاده گویی می دهی "},
    {"role": "user", "content": " تو چه بازارهایی در ایران سرمایه گذاری کنم که سود بیشتری ببرم؟ "},
]


prompt = pipeline.tokenizer.apply_chat_template(
      messages,
      tokenize=False,
      add_generation_prompt=True
)

terminators = [
      pipeline.tokenizer.eos_token_id,
      pipeline.tokenizer.convert_tokens_to_ids("<|eot_id|>")
]


outputs = pipeline(
        prompt,
        max_new_tokens=2048,
        eos_token_id=terminators,
        do_sample=False,
        temperature=0.6,
        top_p=1,
        repetition_penalty=1.05
)
print(outputs[0]["generated_text"][len(prompt):])

Generated text :


به عنوان یک دستیار هوشمند، من نمی‌توانم توصیه‌های سرمایه‌گذاری شخصی به شما بدهم، زیرا هر سرمایه‌گذار باید بر اساس نیازهای مالی و ریسک‌پذیری خود تصمیم بگیرد. با این حال، می‌توانم برخی از بازارها و فرصت‌های سرمایه‌گذاری در ایران را که احتمالاً سود بیشتری ببرند، به شما معرفی کنم:

1. بازار طلا و ارز: بازار طلا و ارز در ایران به عنوان یکی از بازارها برای سرمایه‌گذاری در ارز و طلا شناخته شده است. با توجه به تغییرات در نرخ ارز و قیمت طلا، سرمایه‌گذاران می‌توانند از فرصت‌های سرمایه‌گذاری در این بازار بهره ببرند.

2. بازار مستغلات: بازار مستغلات در ایران به عنوان یکی از بازارهای پررونق در کشور شناخته شده است. سرمایه‌گذاران می‌توانند از فرصت‌های سرمایه‌گذاری در املاک و مستغلات بهره ببرند.

3. بازار سرمایه‌گذاری در شرکت‌های کوچک و متوسط: سرمایه‌گذاری در شرکت‌های کوچک و متوسط در ایران به عنوان یکی از بازارهای پررونق در کشور شناخته شده است. سرمایه‌گذاران می‌توانند از فرصت‌های سرمایه‌گذاری در شرکت‌های با رشد پایدار و با ریسک کمتر بهره ببرند.

4. بازار سرمایه‌گذاری در فناوریها: بازار سرمایه‌گذاری در فناوریها در ایران به عنوان یکی از بازارهای پررونق در کشور شناخته شده است. سرمایه‌گذاران می‌توانند از فرصت‌های سرمایه‌گذاری در شرکت‌های فناوری و با رشد پایدار بهره ببرند.

5. بازار سرمایه‌گذاری در طلا و سکه: بازار سرمایه‌گذاری در طلا و سکه در ایران به عنوان یکی از بازارهای پررونق در کشور شناخته شده است. سرمایه‌گذاران می‌توانند

6. بازار بورس: بازار بورس ایران به عنوان یکی از بهترین بازارها برای سرمایه‌گذاری در کشور شناخته شده است. با توجه به رشد اقتصادی و افزایش سرمایه‌گذاری در این بازار، سرمایه‌گذاران می‌توانند از فرصت‌های سرمایه‌گذاری در شرکت‌های بزرگ و با ریسک کمتر بهره ببرند.

7. بازار سهام: بازار سهام ایران یکی از بازارهای پررونق در کشور است. سرمایه‌گذاران می‌توانند از فرصت‌های سرمایه‌گذاری در شرکت‌های با رشد پایدار و با ریسک کمتر بهره ببرند.

More Information

https://neura.info

Model Card Authors

Esmaeil Zahedi, Mohsen Yazdinejad

Model Card Contact

info@neura.info

Downloads last month: 13

Safetensors

Model size

8B params

Tensor type

F16

F32