Pular para o conteúdo principal

Modo de Inferência

Execute inferência usando seus modelos treinados a partir do CLI.

Inferência LLM

Uso Básico

Múltiplos Prompts

Separados por vírgula:
De arquivo:

Parâmetros de Geração

Parameters

Padrões CLI vs Chat UI diferem: CLI usa temperature=1.0 e top_p=1.0 para saída mais determinística, enquanto o Chat UI usa temperature=0.7 e top_p=0.95 por padrão para conversação mais natural.

Saída

Os resultados são salvos em JSON:

Interface de Chat

Para testes interativos, use a interface de Chat:
Em seguida, abra http://localhost:7860/inference no seu navegador. O Chat UI permite carregar e testar qualquer modelo local ou do Hub interativamente.

Usando Modelos do Hub

Teste modelos do Hugging Face diretamente:

Inferência via API

A API do AITraining fornece endpoints de inferência em lote:

Requisição de Inferência em Lote

Parâmetros da API

Padrões da API diferem do CLI: A API usa max_new_tokens=100 (não 256) e temperature=0.7 (não 1.0) por padrão.

Inferência em Lote

Exemplo de Script

Dicas de Performance

Aceleração GPU

Certifique-se de que CUDA está disponível:

Otimização de Memória

Para modelos grandes:

Processamento em Lote

Para muitos prompts, o processamento em lote é mais rápido:

Próximos Passos

Servir Modelos

Servir modelos como API

Interface de Chat

Testes interativos