holy0516/llm-jp-3-13b-it-r1_elyza100-r4

Uploaded model

• Developed by: holy0516
• License: apache-2.0
• Finetuned from model : llm-jp/llm-jp-3-13b

This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.

出力までの流れ

• 1. 必要なライブラリのインストール・インポート
  2. ベースモデルの読み込みとLoRAアダプタの指定
  3. Hugging Face Tokenの指定
  4. 元モデルのロード
  5. LoRAアダプタの結合
  6. タスクの読み込み
  7. 推論
  8. 出力

コード

1. 必要なライブラリのインストール・インポート

!pip uninstall unsloth -y !pip install --upgrade --no-cache-dir "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git" !pip install --upgrade torch !pip install --upgrade xformers

from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig from unsloth import FastLanguageModel import torch from tqdm import tqdm import json

2. ベースモデルの読み込みとLoRAアダプタの指定

model_id = "llm-jp/llm-jp-3-13b" adapter_id = "holy0516/llm-jp-3-13b-it-r1_elyza100-r4"

3. Hugging Face Tokenの指定

(略)

4. 元モデルのロード

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

5. LoRAのアダプタの統合

model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)

6. タスクの読み込み

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 = ""

7. 推論

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})

8. 出力結果の保存

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')