---
base_model: llm-jp/llm-jp-3-13b
tags:
- text-generation-inference
- transformers
- unsloth
- llama
- trl
license: cc-by-nc-sa-4.0
language:
- ja
---

# Uploaded  model

- **Developed by:** MMMio
- **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)

# 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。

## 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')
```