---
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]|


## 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"

# 4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))
```
---