Update README.md

README.md

@@ -19,26 +19,40 @@ tags:
 **descripción en español agregado ⬇️**
 
 This is a 4-bit GPTQ version of the [bertin-project/bertin-gpt-j-6B-alpaca]( https://huggingface.co/bertin-project/bertin-gpt-j-6B-alpaca)
+
 this is the result of quantizing to 4 bits using [AutoGPTQ](https://github.com/PanQiWei/AutoGPTQ).
 
 ** How to easily download and use this model in text-generation-webui** (tutorial by [TheBloke](https://huggingface.co/TheBloke))
 
-Open [the text-generation-webui UI]( https://github.com/oobabooga/text-generation-webui).
- as normal. 
+Open [the text-generation-webui UI]( https://github.com/oobabooga/text-generation-webui) as normal. 
+
 here is a tutorial how to install the text-generation-webui UI: [tutorial]( https://www.youtube.com/watch?v=lb_lC4XFedU&t). 
+
 Click the Model tab.
+
 Under Download custom model or LoRA, enter RedXeol/bertin-gpt-j-6B-alpaca-4bit-128g.
+
 Click Download.
+
 Wait until it says it's finished downloading.
+
 Click the Refresh icon next to Model in the top left.
+
 In the Model drop-down: choose the model you just downloaded, bertin-gpt-j-6B-alpaca-4bit-128g.
+
 If you see an error in the bottom right, ignore it - it's temporary.
+
 Fill out the GPTQ parameters on the right: Bits = 4, Groupsize = 128, model_type = gptj
+
 Click Save settings for this model in the top right.
+
 Click Reload the Model in the top right.
+
 Once it says it's loaded, click the Text Generation tab and enter a prompt!
 
+
 **Model details**
+
 Data
 The dataset is a translation to Spanish of alpaca_data_cleaned.json (a clean version of the Alpaca dataset made at Stanford) using OpenAI's gpt-3.5-turbo model. We translated using a full-sample prompt instead of per strings, which resulted in more coherent tuples of (instruction, input, output) and costed around $60.0.
 
@@ -48,26 +62,42 @@ Finetuning
 To fine-tune the BERTIN GPT-J-6B model we used the code available on BERTIN's fork of mesh-transformer-jax, which provides code adapt an Alpaca dataset to finetune any GPT-J-6B model. We run finetuning for 3 epochs using sequence length of 2048 on a single TPUv3-8 for 3 hours on top of BERTIN GPT-J-6B.
 
 ** español ** 
+
 Esta es una versión GPTQ de 4 bits del [bertin-project/bertin-gpt-j-6B-alpaca]( https://huggingface.co/bertin-project/bertin-gpt-j-6B-alpaca)
+
 Este es el resultado de cuantificar a 4 bits usando [AutoGPTQ](https://github.com/PanQiWei/AutoGPTQ).
 
 ** Cómo descargar y usar fácilmente este modelo en text-generation-webui** (tutorial de [TheBloke](https://huggingface.co/TheBloke))
 
-Abra la interfaz de usuario [the text-generation-webui UI]( https://github.com/oobabooga/text-generation-webui). normal.
+Abra la interfaz de usuario [the text-generation-webui UI]( https://github.com/oobabooga/text-generation-webui) normal.
+
 aquí hay un tutorial de cómo instalar la interfaz de usuario text-generation-webui: [tutorial]( https://www.youtube.com/watch?v=lb_lC4XFedU&t). 
+
 Haga clic en la pestaña Modelo.
+
 En Descargar modelo personalizado o LoRA, ingrese RedXeol/bertin-gpt-j-6B-alpaca-4bit-128g.
+
 Haz clic en Descargar.
+
 Espera hasta que diga que ha terminado de descargarse.
+
 Haga clic en el icono Actualizar junto a Modelo en la parte superior izquierda.
+
 En el menú desplegable Modelo: elija el modelo que acaba de descargar, bertin-gpt-j-6B-alpaca-4bit-128g.
+
 Si ve un error en la parte inferior derecha, ignórelo, es temporal.
+
 Complete los parámetros GPTQ a la derecha: Bits = 4, Groupsize = 128, model_type = gptj
+
 Haz clic en Guardar configuración para este modelo en la parte superior derecha.
+
 Haga clic en Recargar el modelo en la parte superior derecha.
+
 Una vez que diga que está cargado, haga clic en la pestaña Generación de texto e ingrese un mensaje.
 
+
 **Detalles del modelo**
+
 Datos
 El conjunto de datos es una traducción al español de alpaca_data_cleaned.json (una versión limpia del conjunto de datos de Alpaca hecho en Stanford) utilizando el modelo gpt-3.5-turbo de OpenAI. Traducimos usando un indicador de muestra completa en lugar de por cadenas, lo que resultó en tuplas más coherentes de (instruction, input, output) y costó alrededor de $ 60.0.
 Este conjunto de datos no se puede usar para crear modelos que compitan de alguna manera con OpenAI.