Update README.md

README.md

@@ -6,7 +6,7 @@ tags:
 - unsloth
 - llama
 - trl
-license: cc-by-nc-sa-2.0
+license: cc-by-nc-sa-4.0
 language:
 - ja
 ---
@@ -23,13 +23,69 @@ This llama model was trained 2x faster with [Unsloth](https://github.com/unsloth
 
 # README
 ## モデル概要
-本モデルは、日本語事前学習済みモデル [llm-jp/llm-jp-3-13b](https://huggingface.co/llm-jp/llm-jp-3-13b)に、[ichikara-instruction: LLMのための日本語インストラクションデータ](https://liat-aip.sakura.ne.jp/wp/llm%E3%81%AE%E3%81%9F%E3%82%81%E3%81%AE%E6%97%A5%E6%9C%AC%E8%AA%9E%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%A9%E3%82%AF%E3%82%B7%E3%83%A7%E3%83%B3%E3%83%87%E3%83%BC%E3%82%BF%E4%BD%9C%E6%88%90/)を用いて Fine-Tuning したモデルである。
+本モデルは、日本語事前学習済みモデル [llm-jp/llm-jp-3-13b](https://huggingface.co/llm-jp/llm-jp-3-13b)に、[ichikara-instruction: LLMのための日本語インストラクションデータ](https://liat-aip.sakura.ne.jp/wp/llm%E3%81%AE%E3%81%9F%E3%82%81%E3%81%AE%E6%97%A5%E6%9C%AC%E8%AA%9E%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%A9%E3%82%AF%E3%82%B7%E3%83%A7%E3%83%B3%E3%83%87%E3%83%BC%E3%82%BF%E4%BD%9C%E6%88%90/)を用いて Fine-Tuning したモデルです。
 
 ## ライセンス
 本モデルは、[CC-BY-NC-SA](https://creativecommons.org/licenses/by-nc-sa/4.0/) ライセンスの下で公開されています。
+1. **著作権表示 (BY)**: モデルを使用する場合は、必ず著作者にクレジットを付与してください。
+2. **非商用 (NC)**: モデルの使用は非商用目的に限定されます。
+3. **継承 (SA)**: このモデルを基にした成果物も CC-BY-NC-SA 4.0 の下で公開する必要があります。
+元モデルは [Apache 2.0](https://www.apache.org/licenses/LICENSE-2.0) ライセンスの下で提供されており、Fine-Tune のデータセットは CC-BY-NC-SA 4.0 に基づいています。
+結果として、このモデルは CC-BY-NC-SA 4.0 ライセンスに準じます。
 
-# LLMでの出力方法
-## 1. 学習方法
-サンプルコードを使用してFine-Tuningをおこなった。学習データも同様
-## 2. 推論方法
-T4 GPU環境で、同じくサンプルコード (unsloth) を使用して推論。
+## 使用方法
+以下は、ELYZA-tasks-100-TV を出力するためのコードです。
+```python
+from unsloth import FastLanguageModel
+import torch, json
+from tqdm import tqdm
+
+model_name = "MMMio/llm-jp-3-13b-it"
+# あなたの Huggingface トークン
+HF_TOKEN = 'your_huggingface_token'
+
+max_seq_length = 2048
+dtype = None
+load_in_4bit = True
+
+model, tokenizer = FastLanguageModel.from_pretrained(
+    model_name = model_name,
+    max_seq_length = max_seq_length,
+    dtype = dtype,
+    load_in_4bit = load_in_4bit,
+    token = HF_TOKEN,
+)
+FastLanguageModel.for_inference(model)
+
+# データセットの読み込み。
+# omnicampusの開発環境では、左にタスクのjsonlをドラッグアンドドロップしてから実行。
+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 = ""
+
+# 推論
+results = []
+results_2 = []
+for dt in tqdm(datasets):
+  task_id = dt["task_id"]
+  input = dt["input"]
+
+  prompt = f"""### 指示\n{input}\n### 回答\n"""
+  inputs = tokenizer([prompt], return_tensors = "pt").to(model.device)
+  output = model.generate(**inputs, max_new_tokens = 512, use_cache = True, do_sample=False, repetition_penalty=1.2)
+  prediction = tokenizer.decode(output[0], skip_special_tokens=True).split('\n### 回答')[-1]
+  results_2.append({"task_id": task_id, "input": input, "output": prediction})
+
+# ディレクトリを作成（存在しない場合）
+filename = model_name.split('/')[-1]
+with open(f"./{filename}_output.jsonl", mode='w', encoding='utf-8') as f:
+    for result in results_2:
+        json.dump(result, f, ensure_ascii=False)
+        f.write('\n')
+```