|
--- |
|
base_model: llm-jp/llm-jp-3-13b |
|
tags: |
|
- text-generation-inference |
|
- transformers |
|
- unsloth |
|
- llama |
|
- trl |
|
license: cc-by-sa-4.0 |
|
language: |
|
- en |
|
- ja |
|
datasets: |
|
- elyza/ELYZA-tasks-100 |
|
--- |
|
|
|
elyza/ELYZA-tasks-100 (ELYZA-tasks-100-TV **ではない**)で llm-jp/llm-jp-3-13b をファインチューニングしたモデル |
|
|
|
LoRAアダプター適用前のモデルが Apache 2.0 、学習元のデータが CC-BY-SA-4.0 なので、LoRAアダプターや、それを適用後のモデル自体のライセンスも CC-BY-SA-4.0 になるはずです。 |
|
|
|
# How to Use |
|
python は 3.10 以上を使用してください。 |
|
|
|
pytorch がインストールされていなければ、動作するようにインストールしてください。（ GPU バージョンを強く推奨） |
|
|
|
次に以下のコマンドで各ライブラリを導入してください。 Notebook 上では各行の先頭に ! （半角の感嘆符）をつけて実行してください。 |
|
|
|
``` |
|
pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git" |
|
pip install --no-deps "trl<0.9.0" peft accelerate bitsandbytes |
|
``` |
|
|
|
以下は推論用コードです。 `HF_TOKEN = "YOUR TOKEN" #@param {type:"string"}` の行の `YOUR TOKEN` に、自分のアカウントで取得した Hugging Face トークンを入れて実行してください。 |
|
|
|
```python |
|
# 必要なライブラリを読み込み |
|
from unsloth import FastLanguageModel |
|
from peft import PeftModel |
|
import torch |
|
import json |
|
from tqdm import tqdm |
|
import re |
|
|
|
# ベースとなるモデルと学習したLoRAのアダプタ（Hugging FaceのIDを指定）。 |
|
model_id = "llm-jp/llm-jp-3-13b" |
|
adapter_id = "E2337000/llm-jp-3-13b-it-elyza_lora" #@param {type:"string"} |
|
|
|
# Hugging Face Token を指定。 |
|
# 下記の URL から Hugging Face Token を取得できますので下記の HF_TOKEN に入れてください。 |
|
# https://huggingface.co/settings/tokens |
|
HF_TOKEN = "YOUR TOKEN" #@param {type:"string"} |
|
|
|
# unslothのFastLanguageModelで元のモデルをロード。 |
|
dtype = None # Noneにしておけば自動で設定 |
|
load_in_4bit = True # 今回は13Bモデルを扱うためTrue |
|
|
|
model, tokenizer = FastLanguageModel.from_pretrained( |
|
model_name=model_id, |
|
dtype=dtype, |
|
load_in_4bit=load_in_4bit, |
|
trust_remote_code=True, |
|
) |
|
|
|
# 元のモデルにLoRAのアダプタを統合。 |
|
model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN) |
|
|
|
# タスクとなるデータの読み込み。 |
|
# 事前にデータをアップロードしてください。 |
|
datasets = [] |
|
with open("./elyza-tasks-100-TV_0.jsonl", "r") as f: |
|
item = "" |
|
for line in f: |
|
line = line.strip() |
|
item += line |
|
if item.endswith("}"): |
|
datasets.append(json.loads(item)) |
|
item = "" |
|
|
|
# モデルを用いてタスクの推論。 |
|
|
|
# 推論するためにモデルのモードを変更 |
|
FastLanguageModel.for_inference(model) |
|
|
|
results = [] |
|
for dt in tqdm(datasets): |
|
input = dt["input"] |
|
|
|
prompt = f"""### 指示\n{input}\n### 回答\n""" |
|
|
|
inputs = tokenizer([prompt], return_tensors = "pt").to(model.device) |
|
|
|
outputs = model.generate(**inputs, max_new_tokens = 512, use_cache = True, do_sample=False, repetition_penalty=1.2) |
|
prediction = tokenizer.decode(outputs[0], skip_special_tokens=True).split('\n### 回答')[-1] |
|
|
|
results.append({"task_id": dt["task_id"], "input": input, "output": prediction}) |
|
|
|
# 結果をjsonlで保存。 |
|
|
|
# ここではadapter_idを元にファイル名を決定しているが、ファイル名は任意で問題なし。 |
|
json_file_id = re.sub(".*/", "", adapter_id) |
|
with open(f"/content/{json_file_id}_output.jsonl", 'w', encoding='utf-8') as f: |
|
for result in results: |
|
json.dump(result, f, ensure_ascii=False) |
|
f.write('\n') |
|
``` |
|
|
|
# Uploaded model |
|
|
|
- **Developed by:** E2337000 |
|
- **License:** apache-2.0 |
|
- **Finetuned from model :** llm-jp/llm-jp-3-13b |
|
|
|
This llama model was trained 2x faster with [Unsloth](https://github.com/unslothai/unsloth) and Huggingface's TRL library. |
|
|
|
[<img src="https://raw.githubusercontent.com/unslothai/unsloth/main/images/unsloth%20made%20with%20love.png" width="200"/>](https://github.com/unslothai/unsloth) |
