---
base_model: llm-jp/llm-jp-3-13b
tags:
- text-generation-inference
- transformers
- unsloth
- llama
- trl
license: apache-2.0
language:
- en
---

# Uploaded  model

- **Developed by:** SusumuDou
- **License:** apache-2.0
- **How to use base model:** unslothを使用し、事前学習したベースモデルを4bit量子化のqLoRA設定でロードしファインチューニング
- **Used dataset:** https://liat-aip.sakura.ne.jp/wp/llmのための日本語インストラクションデータ作成/llmのための日本語インストラクションデータ-公開/Distribution20241221_all/ichikara-instruction-003-001-1.json

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)

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

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)

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output.jsonlの出力方法を以下に示します。

　モデルに推論させる入力ファイル：LLM_2024/最終課題/elyza-tasks-100-TV_0.jsonl
 
 (1) 入力ファイルの読み込みコード
  
 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

from tqdm import tqdm

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

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')