toutetsu/llm-jp-3-13b-finetune-2

Uploaded model

• Developed by: toutetsu
• 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.

LLM-JP-3-13B-Finetune-2

概要

このリポジトリは、LLM-JP-3-13B-Finetune-2モデルを使用して日本語のテキストに対する推論を行う方法を示します。 本モデルは東京大学松尾研究室の大規模言語モデル2024の最終課題で作成したものです。

必要なライブラリ

以下のライブラリをインストールする必要があります。

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

## 実行コード
from unsloth import FastLanguageModel
import torch
import json

model_name = "toutetsu/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_***", #hugging Faceアクセストークン
)
FastLanguageModel.for_inference(model)

## データセットの読み込み。
datasets = []
with open("./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 = ""

from tqdm import tqdm

## 推論
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})

## 結果を保存
with open("results.jsonl", "w") as f:
    for result in results:
        f.write(json.dumps(result) + "\n")

注意事項

推論時にトークンを事前に取得し、設定してください。 大きなモデルを使用するため、GPUが必要です。