README.md

metadata

base_model: Aratako/Llama-Gemma-2-27b-ORPO-iter3
library_name: transformers
tags:
  - axolotl
  - trl
  - orpo
  - exl2
license:
  - llama3.1
  - gemma

Llama-Gemma-2-27b-ORPO-iter3-5.8bpw

概要

Aratako/Llama-Gemma-2-27b-ORPO-iter3をExLlamaV2を使って5.8 bpwに量子化したモデルです。

松尾研大規模言語モデル講座2024のコンペ用の提出モデル作成の一環として作成・公開しています。

This model is built with Llama and Qwen.

学習データ等の詳細については元モデルの概要をご確認ください。

推論方法

松尾研大規模言語モデル講座2024のコンペのタスクの推論方法を以下に記載します。

1. 以下のようにして推論の環境を準備します。

git clone https://github.com/turboderp/exllamav2
cd exllamav2
pip install -r requirements.txt

# PyTorchやCUDA、Pythonのバージョンを合わせてExLlamaV2をインストール
# ここではCUDA 12.2、PyTorch 2.5.1、Python 3.10の環境が初期状態だと仮定する
pip install https://github.com/turboderp/exllamav2/releases/download/v0.2.5/exllamav2-0.2.5+cu121.torch2.5.0-cp310-cp310-linux_x86_64.whl
pip install torch==2.5.0
pip install -U --no-build-isolation flash-attn

# モデルの用意
huggingface-cli download Aratako/Llama-Gemma-2-27b-ORPO-iter3-5.8bpw --local-dir ./Llama-Gemma-2-27b-ORPO-iter3-5.8bpw

2. 以下のようなPythonファイルをelyza_tasks_100_tv_exllamav2.pyとして作成します。また、elyza-tasks-100-TV_0.jsonlを同じディレクトリに配置します。

elyza_tasks_100_tv_exllamav2.py

import argparse
import json
from transformers import AutoTokenizer
from exllamav2 import ExLlamaV2, ExLlamaV2Config, ExLlamaV2Cache_Q8, ExLlamaV2Tokenizer
from exllamav2.generator import ExLlamaV2DynamicGenerator, ExLlamaV2Sampler
from datasets import load_dataset

parser = argparse.ArgumentParser()

parser.add_argument("-m", "--model", help="評価するモデル", required=True)
parser.add_argument("-t", "--tokenizer", help="使用するトークナイザ")
parser.add_argument("-o", "--output", help="出力jsonlファイルの名前")

args = parser.parse_args()

if args.tokenizer is None:
    args.tokenizer = args.model

if args.output is None:
    args.output = f"answers-{args.model.split('/')[-1]}.jsonl"

ds = load_dataset("json", data_files="./elyza-tasks-100-TV_0.jsonl", split="train")
hf_tokenizer = AutoTokenizer.from_pretrained(args.model)

# ExLlamaV2の設定
config = ExLlamaV2Config(args.model)
config.arch_compat_overrides()
model = ExLlamaV2(config)
cache = ExLlamaV2Cache_Q8(model, max_seq_len=2304, lazy=True)
model.load_autosplit(cache, progress=True)
tokenizer = ExLlamaV2Tokenizer(config)

generator = ExLlamaV2DynamicGenerator(
    model=model,
    cache=cache,
    tokenizer=tokenizer,
)

# 推論パラメータ
gen_settings = ExLlamaV2Sampler.Settings.greedy()

# 入力が768tokenを超える場合エラーになるはずなのでその場合はここを256ずつ減らしてください。
max_tokens = 1536

def apply_chat_template(item):
    messages = [
        {"role": "user", "content": item["input"]}
    ]
    item["prompt"] = hf_tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
    return item

ds = ds.map(apply_chat_template, batched=False)

def generate_answer(batch):
    outputs = generator.generate(
        prompt=batch["prompt"],
        max_new_tokens=max_tokens,
        stop_conditions=[tokenizer.eos_token_id],
        gen_settings=gen_settings,
        encode_special_tokens=True,
    )
    # 入力部分も含めて返ってくるので出力部分だけを取り出す
    outputs = [text.split("<start_of_turn>model\n", 1)[-1] for text in outputs]
    print(outputs)
    batch["output"] = outputs
    return batch

ds = ds.map(generate_answer, batched=True, batch_size=10)
ds = ds.remove_columns("prompt")

with open(args.output, "w", encoding="utf-8") as f:
    for row in ds:
        json.dump(row, f, ensure_ascii=False)
        f.write("\n")

3. 以下のように推論を実行します。推論が完了するとデフォルトではanswers-Llama-Gemma-2-27b-ORPO-iter3-5.8bpw.jsonlに回答が保存されます。

python elyza_tasks_100_tv_exllamav2.py -m Llama-Gemma-2-27b-ORPO-iter3-5.8bpw

ライセンス

本モデルは学習に利用したデータの関係で以下のライセンスの影響を受けます。

• META LLAMA 3.1 COMMUNITY LICENSEを継承します。
• Gemma Terms of Useを継承します。
• Qwen LICENSE AGREEMENTの影響を受けます。ライセンスは継承しませんが、「Built with Qwen」のような文言を記載する必要があります。