Update README.md

README.md

@@ -1,3 +1,132 @@
 ---
 license: apache-2.0
 ---
+
+## CodeShell
+
+CodeShell 是[北京大学知识计算实验室](http://se.pku.edu.cn/kcl/)与蚌壳智能科技联合研发的大规模预训练代码语言模型基座。
+
+CodeShell的主要特点包括：
+
+* 性能强大：7B规模代码基座大模型，超过同等规模的最强基座模型（如CodeLlama-7B）
+* 训练高效：基于高效的数据治理体系，冷启动训练500B高质量数据
+* 体系完整：模型与IDE插件全栈技术体系开源
+* 轻量快速：支持本地C++部署，提供轻量的本地化解决方案
+* 评测全面：提供支持完整项目上下文的代码多任务评测体系（即将开源）
+
+本次开源的模型和工具列表如下：
+
+- CodeShell Base
+- CodeShell Chat
+- CodeShell Chat 4bit
+- C/C++本地化部署工具
+- VS Code插件
+- JetBrains插件
+
+
+## Model Use
+
+### Code Generation
+
+Codeshell 提供了Hugging Face格式的模型，开发者可以通过下列代码快速载入并使用Codeshell。
+
+```python
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer
+tokenizer = AutoTokenizer.from_pretrained("codeshell", trust_remote_code=True)
+model = AutoModelForCausalLM.from_pretrained("codeshell", trust_remote_code=True).cuda()
+inputs = tokenizer('def print_hello_world():', return_tensors='pt').cuda()
+outputs = model.generate(inputs)
+print(tokenizer.decode(outputs[0]))
+```
+
+### Fill in the Moddle
+
+CodeShell 支持Fill-in-the-Middle模式，从而更好的支持软件开发过程。
+
+```
+input_text = "<fim_prefix>def print_hello_world():\n    <fim_suffix>\n    print('Hello world!')<fim_middle>"
+inputs = tokenizer(input_text, return_tensors='pt').cuda()
+outputs = model.generate(inputs)
+print(tokenizer.decode(outputs[0]))
+```
+
+## Model Quantization
+
+CodeShell 支持4 bit/8 bit量化，4 bit量化后，占用显存大小约6G。
+
+```
+from transformers import AutoModelForCausalLM, AutoTokenizer
+tokenizer = AutoTokenizer.from_pretrained("codeshell", trust_remote_code=True)
+model = AutoModelForCausalLM.from_pretrained("codeshell", trust_remote_code=True)
+model = model.quantize(4).cuda()
+
+inputs = tokenizer('def print_hello_world():', return_tensors='pt').cuda()
+outputs = model.generate(inputs)
+print(tokenizer.decode(outputs[0]))
+```
+
+## CodeShell IDE Plugin
+
+### Web API
+
+CodeShell提供了Web API部署工具，为IDE插件提供API支持。
+
+```
+git clone [email protected]:WisdomShell/codeshell.git
+cd codeshell
+python api.py
+```
+
+CodeShell提供了C/C++版本的推理支持，在没有GPU的个人PC上也能高效使用。开发者可以根据本地环境进行编译，详见[C/C++本地化部署工具]()。编译完成后，可以通过下列命令启动Web API服务。
+
+```
+./server -m codeshell.gguf
+```
+
+部署完成后，开发者可以通过Web API进行模型推理：
+
+```
+curl --location 'http://127.0.0.1:8080/completion' --header 'Content-Type: application/json' --data '{"messages": {"content": "用python写个hello world"}, "temperature": 0.2, "stream": true}'
+```
+
+### VS Code Plugin
+
+CodeShell提供 [VS Code插件]()，开发者可以通过插件进行代码补全、代码问答等操作。VS Code 插件也已开源，插件相关问题欢迎在[VS Code插件仓库]()中讨论。
+
+## Model Details
+
+- 模型架构
+  - Architecture: GPT-2
+  - Attention: Grouped-Query Attention with Flash Attention 2
+  - Position embedding: [Rotary Position Embedding](RoFormer: Enhanced Transformer with Rotary Position Embedding)
+  - Precision: bfloat16
+- 超参数
+  - n_layer: 42
+  - n_embd: 4096
+  - n_inner: 16384
+  - n_head: 32
+  - num_query_groups: 8
+  - seq-length: 8192
+  - vocab_size: 70144
+
+Code Shell使用GPT-2作为基础架构，并使用Grouped-Query Attention、RoPE相对位置编码等技术。
+
+## Evaluation
+
+我们选取了目前最流行的两个代码评测数据集对模型进行评估，与目前最先进的两个7b代码大模型CodeLllama与Starcoder相比，Codeshell 取得了最优的成绩。具体评测结果如下。
+
+### Pass@1
+|   任务   |  codeshell-7B | codellama-7B | starcoderbase-7B |
+| ------- | --------- | --------- | --------- |
+| humaneval  | **33.48** | 29.44 | 27.80 |
+| mbpp   | **39.08** | 37.60 | 34.16 |
+| multiple-java  | **29.56** | 29.24 | 24.30 |
+| multiple-js  | **33.60** | 31.30 | 27.02 |
+
+
+# License
+
+本仓库开源的模型遵循[Apache 2.0 许可证](https://www.apache.org/licenses/LICENSE-2.0)，对学术研究完全开放，若需要商用，开发者可发送邮件进行申请，得到书面授权后方可使用。联系邮箱：[[email protected]](mailto:[email protected])
+
+