Update README.md

README.md

@@ -22,10 +22,9 @@ This llama model was trained 2x faster with [Unsloth](https://github.com/unsloth
 
 [<img src="https://raw.githubusercontent.com/unslothai/unsloth/main/images/unsloth%20made%20with%20love.png" width="200"/>](https://github.com/unslothai/unsloth)
 
-ファインチューニングした本モデルを使用して推論するモデルとトークナイザを読み出すコードの例を以下に示します。
+１．ファインチューニングした本モデルを使用して推論するモデルとトークナイザを読み出すコードの例を以下に示します。
 
 from unsloth import FastLanguageModel
-
 model_name = "SusumuDou/llm-jp-3-13b-finetune-2"
 
 max_seq_length = 2048
@@ -40,5 +39,41 @@ model, tokenizer = FastLanguageModel.from_pretrained(
     token = HF TOKEN,
 )
 
-
 FastLanguageModel.for_inference(model)
+
+２．上記１の推論モデルとトークナイザを使って推論したjson Linesファイルoutput.jsonlの出力方法を以下に示します。
+　入力ファイル：LLM_2024/最終課題/elyza-tasks-100-TV_0.jsonl
+ (1) モデルに推論させる入力ファイルの読み込み
+　　コードは以下の通りです。　
+ datasets = []
+with open("/content/drive/MyDrive/LLM_2024/最終課題/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 = ""
+        
+ (2) 推論
+ 　　コードは以下の通りです。
+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})
+  
+(3) 推論結果output.jsonlの出力
+　　コードは以下の通りです。
+with open(f"output.jsonl", 'w', encoding='utf-8') as f:
+    for result in results:
+        json.dump(result, f, ensure_ascii=False)
+        f.write('\n')
+