KazMarketing/llm-jp-3-13b-it_lora-DPO-241215_v3

実行手順

以下の手順に従うことで、Hugging Face上のモデル(llm-jp/llm-jp-3-13b + KazMarketing/llm-jp-3-13b-it_lora_v3)を用いて 入力データ(elyza-tasks-100-TV_0.jsonl)を推論し、jsonlファイルを生成します。 課題の成果として提出可能なフォーマットになっております。

前提条件

• Python環境があること（基本的にはGoogle Colabの無料版でも動くことを想定しているが、GPU切れの可能性がある）
• Hugging Faceのアクセストークン (HF_TOKEN, write権限あり） が取得済みであること

セットアップ

%%capture
!pip install unsloth
# Also get the latest nightly Unsloth!
!pip uninstall unsloth -y && pip install --upgrade --no-cache-dir --no-deps git+https://github.com/unslothai/unsloth.git

from unsloth import PatchDPOTrainer
PatchDPOTrainer()

ここでは、自分のwrite権限のあるHugging Faceのトークンを入力する

from google.colab import userdata
HF_TOKEN=userdata.get('HF_TOKEN')

# HF_TOKEN = "your-token"#ご自身のToken

モデル・トークナイザの読み込み

from unsloth import FastLanguageModel
import torch
max_seq_length = 2048 # Choose any! We auto support RoPE Scaling internally!
dtype = None # None for auto detection. Float16 for Tesla T4, V100, Bfloat16 for Ampere+
load_in_4bit = True # Use 4bit quantization to reduce memory usage. Can be False.

model, tokenizer = FastLanguageModel.from_pretrained(
    # 自分がUnslothを使ってFTして、loraだけアップロードしているモデル
    model_name = "KazMarketing/llm-jp-3-13b-it_lora_v3",
    max_seq_length = max_seq_length,
    dtype = dtype,
    load_in_4bit = load_in_4bit,
    token = HF_TOKEN,
)

from huggingface_hub import login

# 生成したトークンをペースト
login(HF_TOKEN)#weblab-GENIAC/aya-ja-nemotron-dpo-maskedのデータセットを読み込みためにログインしておく。

from datasets import load_dataset

# データセットをロード
ds = load_dataset("weblab-GENIAC/aya-ja-nemotron-dpo-masked")

# フィルタリング関数を定義
def filter_short_examples(example):
    return (
        len(example['prompt']) <= 2000 and
        len(example['chosen']) <= 2000 and
        len(example['rejected']) <= 2000
    )

# トレーニングデータをフィルタリング
filtered_train = ds['train'].filter(filter_short_examples)

# データセットをトレーニング用と評価用に分割 (80%をトレーニング用、20%を評価用)
train_size = int(0.8 * len(filtered_train))  # トレーニングデータのサイズ
eval_size = len(filtered_train) - train_size  # 評価データのサイズ

# インデックスを順序通りに生成 (ランダム性なし)
train_indices = list(range(train_size))  # トレーニング用インデックス
eval_indices = list(range(train_size, len(filtered_train)))  # 評価用インデックス

# トレーニングデータと評価データを選択
train_dataset = filtered_train.select(train_indices)
eval_dataset = filtered_train.select(eval_indices)

# データセットのサイズを出力
print(f"トレーニングデータセットのサイズ: {len(train_dataset)}")
print(f"評価データセットのサイズ: {len(eval_dataset)}")

use_dataset = train_dataset.select(range(100))
use_dataset
# One must patch the DPO Trainer first!
from unsloth import PatchDPOTrainer
PatchDPOTrainer()

from transformers import TrainingArguments
from trl import DPOTrainer, DPOConfig
from unsloth import is_bfloat16_supported

dpo_trainer = DPOTrainer(
    model = model,
    ref_model = None,
    args = DPOConfig(
        per_device_train_batch_size = 2,
        gradient_accumulation_steps = 4,
        warmup_ratio = 0.1,
        num_train_epochs = 1,
        learning_rate = 5e-6,
        fp16 = not is_bfloat16_supported(),
        bf16 = is_bfloat16_supported(),
        logging_steps = 1,
        optim = "adamw_8bit",
        weight_decay = 0.0,
        lr_scheduler_type = "linear",
        seed = 1111, #42から変更,
        output_dir = "outputs",
        report_to = "none", # Use this for WandB etc
    ),
    beta = 0.1,
    train_dataset = use_dataset, #raw_datasets["train"],
    # eval_dataset = raw_datasets["test"],
    tokenizer = tokenizer,
    max_length = 2048,
    max_prompt_length = 1024,
)
dpo_trainer.train()

入力データの準備

./content/elyza-tasks-100-TV_0.jsonlというファイルからデータセットをロード ※Google Colab環境では特に配下を指定しなければ基本的にContentにアップされる

# ELYZA-tasks-100-TVの読み込み。事前にファイルをアップロードしてください
# 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。
import json
datasets = []
with open("/content/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 = ""

推論実行

# 学習したモデルを用いてタスクを実行
from tqdm import tqdm

# 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 = 2048,
                           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})

出力の保存

最後に、adapter_idをベースにしたファイル名でJSONL形式の出力ファイルを保存

# modelをhugging faceにアップロード
# LoRAアダプタだけ保存
model.push_to_hub_merged(
    "llm-jp-3-13b-it_lora-DPO-241215_v2",#保存するモデルの名前
    tokenizer=tokenizer,
    save_method="lora",#loraだけ保存
    token=HF_TOKEN,
    private=True
)

以上の手順で、jsonlファイルに推論結果が書き出されます。

Appendix

• なお、KazMarketing/llm-jp-3-13b-it_lora_v3 を作成するための推論用コードは下記である

• セットアップ

!pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
!pip install -U xformers --index-url https://download.pytorch.org/whl/cu124
!pip install --no-deps "trl<0.9.0" peft accelerate bitsandbytes
!pip uninstall unsloth -y
!pip install --upgrade --no-cache-dir "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
# Google Colab のデフォルトで入っているパッケージをアップグレード
!pip install --upgrade torch
!pip install --upgrade xformers

# Install Flash Attention 2 for softcapping support
import torch
if torch.cuda.get_device_capability()[0] >= 8:
    !pip install --no-deps packaging ninja einops "flash-attn>=2.6.3"

• write権限のあるHugging faceのトークンを入力することに注意する

HF_TOKEN = "your_token" #@param {type:"string"}

• モデル・トークナイザの読み込み

# llm-jp/llm-jp-3-13bを4bit量子化のqLoRA設定でロード。
from unsloth import FastLanguageModel
import torch
max_seq_length = 512 # unslothではRoPEをサポートしているのでコンテキスト長は自由に設定可能
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_id = "llm-jp/llm-jp-3-13b"
new_model_id = "llm-jp-3-13b-it" #Fine-Tuningしたモデルにつけたい名前、it: Instruction Tuning
# FastLanguageModel インスタンスを作成
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name=model_id,
    dtype=dtype,
    load_in_4bit=load_in_4bit,
    trust_remote_code=True,
)
# SFT用のモデルを用意
model = FastLanguageModel.get_peft_model(
    model,
    r = 32,
    target_modules = ["q_proj", "k_proj", "v_proj", "o_proj",
                      "gate_proj", "up_proj", "down_proj",],
    lora_alpha = 64,
    lora_dropout = 0.01,
    bias = "none",
    use_gradient_checkpointing = "unsloth",
    random_state = 3407,
    use_rslora = False,
    loftq_config = None,
    max_seq_length = max_seq_length,
)

from datasets import load_dataset
dataset = load_dataset("json", data_files="./ichikara-instruction-003-001-1.json")

# 学習時のプロンプトフォーマットの定義
prompt = """### 指示
{}
### 回答
{}"""
"""
formatting_prompts_func: 各データをプロンプトに合わせた形式に合わせる
"""
EOS_TOKEN = tokenizer.eos_token # トークナイザーのEOSトークン（文末トークン）
def formatting_prompts_func(examples):
    input = examples["text"] # 入力データ
    output = examples["output"] # 出力データ
    text = prompt.format(input, output) + EOS_TOKEN # プロンプトの作成
    return { "formatted_text" : text, } # 新しいフィールド "formatted_text" を返す
pass
# # 各データにフォーマットを適用
dataset = dataset.map(
    formatting_prompts_func,
    num_proc= 4, # 並列処理数を指定
)
dataset

# データを確認
print(dataset["train"]["formatted_text"][3])

"""
training_arguments: 学習の設定
  - output_dir:
      -トレーニング後のモデルを保存するディレクトリ
  - per_device_train_batch_size:
      - デバイスごとのトレーニングバッチサイズ
  - per_device_eval_batch_size:
      - デバイスごとの評価バッチサイズ
  - gradient_accumulation_steps:
      - 勾配を更新する前にステップを積み重ねる回数
  - optim:
      - オプティマイザの設定
  - num_train_epochs:
      - エポック数
  - eval_strategy:
      - 評価の戦略 ("no"/"steps"/"epoch")
  - eval_steps:
      - eval_strategyが"steps"のとき、評価を行うstep間隔
  - logging_strategy:
      - ログ記録の戦略
  - logging_steps:
      - ログを出力するステップ間隔
  - warmup_steps:
      - 学習率のウォームアップステップ数
  - save_steps:
      - モデルを保存するステップ間隔
  - save_total_limit:
      - 保存しておくcheckpointの数
  - max_steps:
      - トレーニングの最大ステップ数
  - learning_rate:
      - 学習率
  - fp16:
      - 16bit浮動小数点の使用設定（第8回演習を参考にすると良いです）
  - bf16:
      - BFloat16の使用設定
  - group_by_length:
      -  入力シーケンスの長さによりバッチをグループ化 (トレーニングの効率化)
  - report_to:
      - ログの送信先 ("wandb"/"tensorboard"など)
"""
from trl import SFTTrainer
from transformers import TrainingArguments
from unsloth import is_bfloat16_supported
trainer = SFTTrainer(
    model = model,
    tokenizer = tokenizer,
    train_dataset=dataset["train"],
    max_seq_length = max_seq_length,
    dataset_text_field="formatted_text",
    packing = False,
    args = TrainingArguments(
        per_device_train_batch_size = 2,
        gradient_accumulation_steps = 4,
        num_train_epochs = 1,
        logging_steps = 10,
        warmup_steps = 10,
        save_steps=100,
        save_total_limit=2,
        max_steps=-1,
        learning_rate = 2e-4,
        fp16 = not is_bfloat16_supported(),
        bf16 = is_bfloat16_supported(),
        group_by_length=True,
        seed = 3407,
        output_dir = "outputs",
        report_to = "none",
    ),
)

#@title 現在のメモリ使用量を表示
gpu_stats = torch.cuda.get_device_properties(0)
start_gpu_memory = round(torch.cuda.max_memory_reserved() / 1024 / 1024 / 1024, 3)
max_memory = round(gpu_stats.total_memory / 1024 / 1024 / 1024, 3)
print(f"GPU = {gpu_stats.name}. Max memory = {max_memory} GB.")
print(f"{start_gpu_memory} GB of memory reserved.")

#@title 学習実行
trainer_stats = trainer.train()

• 入力データの準備

# ELYZA-tasks-100-TVの読み込み。事前にファイルをアップロードしてください
# 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。
import json
datasets = []
with open("/content//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 = ""

• 推論実行

# 学習したモデルを用いてタスクを実行
from tqdm import tqdm
# 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})

• 出力の保存

# jsonlで保存
with open(f"{new_model_id}_output.jsonl", 'w', encoding='utf-8') as f:
    for result in results:
        json.dump(result, f, ensure_ascii=False)
        f.write('\n')```

# LoRAアダプタだけ保存
model.push_to_hub_merged(
    new_model_id+"_lora",
    tokenizer=tokenizer,
    save_method="lora",
    # token=HF_TOKEN,
    token="HF_TOKEN",
    private=True
)