---
base_model: llm-jp/llm-jp-3-13b
library_name: transformers
tags:
- unsloth
license: apache-2.0
---
# ベースモデル
[llm-jp-3-13b](https://huggingface.co/llm-jp/llm-jp-3-13b)

# ファインチューニングに利用したデータセット
以下のデータセットを利用して、ファインチューニングを行っております。<br>
関根聡, 安藤まや, 後藤美知子, 鈴木久美, 河原大輔, 井之上直也, 乾健太郎. ichikara-instruction: LLMのための日本語インストラクションデータの構築. 言語処理学会第30回年次大会(2024)<br>
データセット名：LLMのための日本語インストラクションデータ<br>
提供者：理化学研究所<br>
リンク：[llmのための日本語インストラクションデータ-公開](https://liat-aip.sakura.ne.jp/wp/llm%E3%81%AE%E3%81%9F%E3%82%81%E3%81%AE%E6%97%A5%E6%9C%AC%E8%AA%9E%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%A9%E3%82%AF%E3%82%B7%E3%83%A7%E3%83%B3%E3%83%87%E3%83%BC%E3%82%BF%E4%BD%9C%E6%88%90/llm%E3%81%AE%E3%81%9F%E3%82%81%E3%81%AE%E6%97%A5%E6%9C%AC%E8%AA%9E%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%A9%E3%82%AF%E3%82%B7%E3%83%A7%E3%83%B3%E3%83%87%E3%83%BC%E3%82%BF-%E5%85%AC%E9%96%8B/)<br>

# 使用方法(推論)
以下1～4の順序に従って、モデルによる推論が可能となります。

## 1. 必要なライブラリのインストール
```python
!pip install unsloth
!pip uninstall unsloth -y && pip install --upgrade --no-cache-dir "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
!pip install -U torch
!pip install -U peft
```

## 2. 必要なライブラリの読み込み
```python
from unsloth import FastLanguageModel
from peft import PeftModel
import torch
import json
from tqdm import tqdm
import re
```

## 3. ベースとなるモデルとアダプタの統合
```python
""" ベースとなるモデルと学習したLoRAのアダプタ """
model_id = "llm-jp/llm-jp-3-13b" # ベースモデル
adapter_id = "hiroshi1991/llm-jp-3-13b-it" # アダプタ
HF_TOKEN= "your_token" # あなたのtokenを入力：read権限でも可

""" UnslothのFastLanguageModelでベースモデルをロード """
dtype = None
load_in_4bit = True

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name=model_id,
    dtype=dtype,
    load_in_4bit=load_in_4bit,
    trust_remote_code=True,
    token=HF_TOKEN
)

""" ベースモデルにLoRAアダプタを統合 """
model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)
```

## 4. ベースモデルとアダプタの統合
```python
""" 今回のタスクであるelyza-tasks-100-TV_0.jsonlの読込み """
datasets = []
with open("./elyza-tasks-100-TV_0.jsonl", "r") as f: # fileの場所に応じてpathを書き替えてください
    item = ""
    for line in f:
      line = line.strip()
      item += line
      if item.endswith("}"):
        datasets.append(json.loads(item))
        item = ""

""" モデルのモードを推論用に変更 """
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]
  prediction = re.sub(r"[*#]", "", prediction)

  results.append({"task_id": dt["task_id"], "input": input, "output": prediction})

""" 推論した結果をjsonlで保存 """
model_name = re.sub(".*/", "", adapter_id)
with open(f"./{model_name}-my-original-outputs.jsonl", 'w', encoding='utf-8') as f: # 保存したい場所・ファイル名に適宜変更してください
    for result in results:
        json.dump(result, f, ensure_ascii=False)
        f.write('\n')
```

# License
[Apache-2.0](https://www.apache.org/licenses/LICENSE-2.0)