File size: 2,914 Bytes
864ac29 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 |
LLM-JP-3-13B ファインチューニングモデル
# モデル詳細
ベースモデル: llm-jp/llm-jp-3-13b
アダプターモデル 1: nmczzi/llm-jp-3-13b-finetune-4
アダプターモデル 2: nmczzi/llm-jp-3-13b-finetune-4-dpo-2
アダプターモデル 2: nmczzi/llm-jp-3-13b-finetune-4-dpo-2-plus
量子化: 4ビット量子化 (QLoRA)
# インストール
必要なパッケージのインストール：
pip install -U bitsandbytes transformers accelerate datasets peft
# 使用方法
以下は、モデルの基本的な使用例です(python)：
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
from peft import PeftModel, LoraConfig
import torch
HF_TOKEN = "有効なHuggingFaceトークン"
from google.colab import userdata
HF_TOKEN = userdata.get('HF_API_KEY')
base_model_id = "llm-jp/llm-jp-3-13b"
adapter_id_1 = "nmczzi/llm-jp-3-13b-finetune-4"
adapter_id_2 = "nmczzi/llm-jp-3-13b-finetune-4-dpo-2"
adapter_id_3 = "nmczzi/llm-jp-3-13b-finetune-4-dpo-2-plus"
### QLoRA設定
bnb_config = BitsAndBytesConfig(
load_in_4bit=True,
bnb_4bit_quant_type="nf4",
bnb_4bit_compute_dtype=torch.bfloat16,
)
### モデルの読み込み
model = AutoModelForCausalLM.from_pretrained(
base_model_id,
quantization_config=bnb_config,
device_map="auto",
token=HF_TOKEN
)
### トークナイザーの読み込み
tokenizer = AutoTokenizer.from_pretrained(base_model_id, trust_remote_code=True, token=HF_TOKEN)
### ファインチューニングされたアダプターの読み込み
model = PeftModel.from_pretrained(model, adapter_id_1, token=HF_TOKEN)
model = PeftModel.from_pretrained(model, adapter_id_2, token=HF_TOKEN)
model = PeftModel.from_pretrained(model, adapter_id_3, token=HF_TOKEN)
### 生成用の関数を定義
def generate_response(input):
prompt = f"""### 指示
{input}
\#\#\# 回答
"""
tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device)
attention_mask = torch.ones_like(tokenized_input)
with torch.no_grad():
outputs = model.generate(
tokenized_input,
attention_mask=attention_mask,
max_new_tokens=100,
do_sample=False,
repetition_penalty=1.2,
pad_token_id=tokenizer.eos_token_id
)[0]
output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)
return output
### 使用例
input = "### 指示\nあなたの指示をここに入力してください\n### 回答\n"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
with torch.no_grad():
outputs = model.generate(**inputs, max_new_tokens=100, do_sample=False, repetition_penalty=1.2)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)
|