|
--- |
|
language: 日本語 |
|
license: apache-2.0 |
|
tags: |
|
- text-generation |
|
- causal-lm |
|
- llm |
|
model_name: takeofuture/llm-jp-3-13b-finetune-22_lora |
|
base_model: llm-jp/llm-jp-3-13b |
|
datasets: |
|
- IchikaraInstruction |
|
pipeline_tag: text-generation |
|
--- |
|
|
|
|
|
# llm-jp-3-13b-finetune-22_lora |
|
|
|
[](https://huggingface.co/your-model-repo) |
|
|
|
このモデルは [Hugging Face](https://huggingface.co) 上で提供されている llm-jp/llm-jp-3-13b をファインチューニングしたモデルです。 |
|
主に日本語の指示応答タスク向けに最適化されています。 |
|
|
|
## **モデルの概要** |
|
- **タイプ**: Transformer-based Language Model |
|
- **トレーニングデータ**: LLM-jp の公開している Ichikara Instruction |
|
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/ |
|
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) |
|
- **タスク**: elyza_100_tv のベンチマークに対する応答 |
|
|
|
## **モデルのファインチューニング** |
|
- **コンテキスト長**: 1024 |
|
- **学習率**: 2e-4 |
|
- **バッチサイズ**: 2 |
|
- **勾配蓄積数**: 4 |
|
|
|
## **実行環境** |
|
- GOOGLE Colaboratory |
|
- Linux (例: Ubuntu 24.04 CUDA12.6) |
|
|
|
## **Ubuntuでの環境設定方法と推論実行方法** |
|
- 必要ライブラリのインストール |
|
``` |
|
pip install unsloth |
|
pip install -U torch |
|
pip install -U peft |
|
``` |
|
- ベースとなるモデルのダウンロード(任意) |
|
``` |
|
from huggingface_hub import snapshot_download |
|
model_name = "llm-jp/llm-jp-3-13b" |
|
local_dir = f"./models/{model_name}" |
|
snapshot_download(repo_id=model_name, local_dir=local_dir, local_dir_use_symlinks=False) |
|
print(f"Model downloaded to: {local_dir}") |
|
``` |
|
- 推論 |
|
``` |
|
from unsloth import FastLanguageModel |
|
from peft import PeftModel |
|
import torch |
|
import json |
|
from tqdm import tqdm |
|
import re |
|
#ベースとなるモデルと学習したLoRAのアダプタ（Hugging FaceのIDを指定）。 |
|
#model_id = "llm-jp/llm-jp-3-13 #HUGGINGFACEをよりダウンロードするときはこちらを使いください |
|
local_model_dir = "./models/llm-jp/llm-jp-3-13b" # 事前にダウンロードしたモデルのローカルディレクトリ |
|
adapter_id = "takeofuture/llm-jp-3-13b-finetune-22_lora" |
|
HF_TOKEN = "HUGGINGFACEのTOKENを入れてください" |
|
#unslothのFastLanguageModelで元のモデルをロード。 |
|
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, |
|
model_name=local_model_dir, |
|
dtype=dtype, |
|
load_in_4bit=load_in_4bit, |
|
trust_remote_code=True, |
|
) |
|
model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN) |
|
#推論モードに切り替え |
|
FastLanguageModel.for_inference(model) |
|
prompt = f"""### 指示\n名古屋の有名なグルメは何ですか？\n### 回答\n""" |
|
inputs = tokenizer([prompt], return_tensors = "pt").to(model.device) |
|
#不要な `token_type_ids` を削除 |
|
if "token_type_ids" in inputs: |
|
del inputs["token_type_ids"] |
|
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] |
|
print(prediction) |
|
``` |
|
- **ベンチマークの実施** |
|
``` |
|
from unsloth import FastLanguageModel |
|
from peft import PeftModel |
|
import torch |
|
import json |
|
from tqdm import tqdm |
|
import re |
|
#ベースとなるモデルと学習したLoRAのアダプタ（Hugging FaceのIDを指定）。 |
|
#model_id = "llm-jp/llm-jp-3-13b" #HUGGINGFACEをよりダウンロードするときはこちらを使いください |
|
local_model_dir = "./models/llm-jp/llm-jp-3-13b" # 事前にダウンロードしたモデルのローカルディレクトリ |
|
adapter_id = "takeofuture/llm-jp-3-13b-finetune-22_lora" |
|
HF_TOKEN = "HUGGINGFACEのTOKENを入れてください" |
|
#unslothのFastLanguageModelで元のモデルをロード。 |
|
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, |
|
model_name=local_model_dir, |
|
dtype=dtype, |
|
load_in_4bit=load_in_4bit, |
|
trust_remote_code=True, |
|
) |
|
model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN) |
|
#タスクとなるデータの読み込み。 |
|
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 = "" |
|
#推論モードに切り替え |
|
FastLanguageModel.for_inference(model) |
|
results = [] |
|
for dt in tqdm(datasets): |
|
input = dt["input"] |
|
print("\n\n=====================================================================================================================\n") |
|
print("---指示---") |
|
print(input) |
|
prompt = f"""### 指示\n{input}\n### 回答\n""" |
|
inputs = tokenizer([prompt], return_tensors = "pt").to(model.device) |
|
if "token_type_ids" in inputs: |
|
del inputs["token_type_ids"] |
|
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] |
|
print("---回答---") |
|
print(prediction) |
|
results.append({"task_id": dt["task_id"], "input": input, "output": prediction}) |
|
|
|
#結果をjsonlで保存。 |
|
json_file_id = re.sub(".*/", "", adapter_id) |
|
with open(f"./{json_file_id}_output.jsonl", 'w', encoding='utf-8') as f: |
|
for result in results: |
|
json.dump(result, f, ensure_ascii=False) |
|
f.write('\n') |
|
``` |
|
|
|
## **GOOGLE COLABORATORYでのelyza_100_tvでの推論方法** |
|
以下のノートを参照してください |
|
- [Model_Inference_Template_unsloth_20241127.ipynb](./Model_Inference_Template_unsloth_20241127.ipynb) |
|
|
|
# Uploaded model |
|
|
|
- **Developed by:** takeofuture |
|
- **License:** apache-2.0 |
|
- **Finetuned from model :** llm-jp/llm-jp-3-13b |
|
|
|
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) |
|
|
