Hugging Face's logo

masakiai
/
llm-jp-3-13b-finetune

PEFT
Safetensors
Model card Files Community
llm-jp-3-13b-finetune
File size: 3,420 Bytes 
99a3803
 
 
 
 
 
 
 
 
e0303ec
99a3803
 
 
eae0275
 
 
 
 
 
 
99a3803
e0303ec
99a3803
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
 

---
base_model: llm-jp/llm-jp-3-13b
library_name: peft
---

# モデルカード: llm-jp/llm-jp-3-13b


## モデル概要

このモデルは、松尾研LLM講座の終了課題の提出用のモデルです。

| 項目 | 内容 |
|------|------|
| 開発者 | masakiai |
| ファインチューニング元モデル | [llm-jp/llm-jp-3-13b] |
| 対応言語 | 日本語 |
| ライセンス | [apache-2.0](https://github.com/masakiai/llm-jp/blob/main/LICENSE) |


## モデルソース

- **リポジトリ:** [https://huggingface.co/masakiai/llm-jp-3-13b-finetune]

---

## 使用方法

### 以下は、elyza-tasks-100-TV-0.jsonlの回答のためのコードです

```python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
import json
from tqdm import tqdm
import os
import re   

# 環境変数の設定
HF_TOKEN = os.getenv("HF_TOKEN")
model_name = "masakiai/llm-jp-3-13b-finetune"
ELYZA_TASKS_100_TV_0_JSONL_PATH = "./elyza-tasks-100-TV_0.jsonl"

# 8ビット量子化の設定
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",  
    bnb_4bit_compute_dtype=torch.bfloat16,
)

# モデルの読み込み
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    quantization_config=bnb_config,
    device_map="auto"
)

# トークナイザーの読み込み
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)

# データセットの読み込み
datasets = []
with open(ELYZA_TASKS_100_TV_0_JSONL_PATH , "r") as f:
    item = ""
    for line in f:
        line = line.strip()
        item += line
        if item.endswith("}"):
            datasets.append(json.loads(item))
            item = ""

# 推論の実行
results = []
for data in tqdm(datasets):

    input = data["input"]

    prompt = f"""### 指示
    {input}
    ### 回答
    """

    tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device)
    attention_mask = torch.ones_like(tokenized_input)

    with torch.no_grad():
        outputs = model.generate(
            tokenized_input,
            attention_mask=attention_mask,
            max_new_tokens=100,
            do_sample=False,
            repetition_penalty=1.2,
            pad_token_id=tokenizer.eos_token_id
        )[0]
        output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)
        results.append({"task_id": data["task_id"], "input": input, "output": output})


# ファイルの保存
jsonl_id = re.sub(".*/", "", model_name)
with open(f"./{jsonl_id}-outputs.jsonl", 'w', encoding='utf-8') as f:
    for result in results:
        json.dump(result, f, ensure_ascii=False)
        f.write('\n')
```

### 直接的な使用

このモデルは以下のような日本語タスクに使用できます:
- テキスト生成
- 質問応答
- 翻訳
- 要約

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
import os

HF_TOKEN = os.getenv("HF_TOKEN")
model_name = "masakiai/llm-jp-3-13b-finetune"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

text = "日本の文化について教えてください。"
input_ids = tokenizer(text, return_tensors="pt").input_ids
output = model.generate(input_ids, max_length=50)
print(tokenizer.decode(output[0], skip_special_tokens=True))
```
---