llama DeepSeek-R1-1.5B-Distill

关于 DeepSeek-R1-1.5B-Distill LLaMA 模型
模型概述
DeepSeek-R1-1.5B-Distill 是一种经过蒸馏优化的大规模预训练语言模型，参数量约为1.5亿。该模型旨在提供高效的推理性能，在保持较高精度的同时减少计算资源消耗[^1]。
获取文档与教程
官方提供了详细的说明文件来指导用户了解如何使用此版本的模型。访问 DeepSeek 官网可以找到对应的介绍页面以及相关技术白皮书下载链接。此外，Hugging Face 平台也托管有该项目，其中包含了README文档和其他辅助资料，便于开发者快速上手。
下载途径
对于希望获取并测试这一特定变体的人来说，可以从多个渠道获得：

通过 DeepSeek 的网页界面：注册账户后按照指引操作即可完成安装包的检索。
利用 HuggingFace Hub API 或 Web UI ：搜索 deepseek-r1-distilled 来定位目标仓库，并依据提示执行克隆命令或者直接在线浏览源码及资产。

git lfs install
git clone https://huggingface.co/deepseek/r1_distilled_1_5b
登录后复制
使用指南
为了使新使用者能够顺利集成这个精简后的LLaMA实例到自己的项目里，建议遵循如下流程：
一旦成功拉取了所需的权重文件之后，就可以借助像Transformers这样的库来进行加载和预测任务了。下面给出了一段简单的Python脚本作为示范用途：
from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("deepseek/r1_distilled_1_5b")
model = AutoModelForCausalLM.from_pretrained("deepseek/r1_distilled_1_5b")

input_text = "Once upon a time"
inputs = tokenizer(input_text, return_tensors="pt").to(model.device)

outputs = model.generate(**inputs)
generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)

print(generated_text)
登录后复制