--- base_model: llm-jp/llm-jp-3-13b tags: - text-generation-inference - transformers - unsloth - llama - trl license: apache-2.0 language: - en --- # Uploaded model - **Developed by:** Oimos - **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. [](https://github.com/unslothai/unsloth) # Google Colab の場合は上記の環境構築手順を行なわず、単にこのセルから実行していってください。 !pip uninstall unsloth -y !pip install --upgrade --no-cache-dir "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git" # Google Colab のデフォルトで入っているパッケージをアップグレード（Moriyasu さんありがとうございます） !pip install --upgrade torch !pip install --upgrade xformers # notebookでインタラクティブな表示を可能とする（ただし、うまく動かない場合あり） # Google Colabでは実行不要 !pip install ipywidgets --upgrade # Install Flash Attention 2 for softcapping support import torch if torch.cuda.get_device_capability()[0] >= 8: !pip install --no-deps packaging ninja einops "flash-attn>=2.6.3" ## モデルのロード 以下のコードでモデルを読み込みます。 受講生の方からご指摘頂いたのですが、unslothでgemma2を読み込むと、自動でunslothが作成した非公式モデルがダウンロードされるようです。 対処方法がわからない受講生はLLM-jp-3のみをご利用ください！ # Hugging Face Token を指定 # 下記の URL から Hugging Face Token を取得できますので下記の HF_TOKEN に入れてください。 # Write権限を付与してください。 # https://huggingface.co/settings/tokens # あるいは Google Colab シークレットを使う場合、左のサイドバーより🔑マークをクリック # HF_TOKEN という名前で Value に Hugging Face Token を入れてください。 # ノートブックからのアクセスのトグルをオンにし、下記の二行のコードのコメントアウトを外してください。 # from google.colab import userdata # HF_TOKEN=userdata.get('HF_TOKEN') # llm-jp/llm-jp-3-13bを4bit量子化のqLoRA設定でロード。 from unsloth import FastLanguageModel import torch max_seq_length = 512 # unslothではRoPEをサポートしているのでコンテキスト長は自由に設定可能 # 1024に増やしてみる # max_seq_length = 1024 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_id = "llm-jp/llm-jp-3-13b" new_model_id = "llm-jp-3-13b-it" #Fine-Tuningしたモデルにつけたい名前、it: Instruction Tuning # FastLanguageModel インスタンスを作成 model, tokenizer = FastLanguageModel.from_pretrained( model_name=model_id, dtype=dtype, load_in_4bit=load_in_4bit, trust_remote_code=True, ) # SFT用のモデルを用意 model = FastLanguageModel.get_peft_model( model, r = 32, target_modules = ["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj",], lora_alpha = 32, lora_dropout = 0.05, bias = "none", use_gradient_checkpointing = "unsloth", random_state = 3407, use_rslora = False, # ここでスパース正則化を有効化 # use_rslora=True, loftq_config = None, max_seq_length = max_seq_length, ) # 学習に用いるデータセットの指定 # 今回はLLM-jp の公開している Ichikara Instruction を使います。データにアクセスするためには申請が必要ですので、使いたい方のみ申請をしてください。 # Ichikara Instruciton を Hugging Face Hub にて公開することはお控えください。 # また、CC-BY-NC-SAですのでモデルはライセンスを継承する前提でお使いください。 # 下記のリンクから申請を終えた先に Google Drive があり、Distribution20241221_all というフォルダごとダウンロードしてください。 # 今回は「ichikara-instruction-003-001-1.json」を使います。必要であれば展開（!unzip など）し、データセットのパスを適切に指定してください。 # omnicampusの開発環境では取得したデータを左側にドラッグアンドドロップしてお使いください。 # Google Colab の場合も左のサイドバーよりドラッグ&ドロップでアップデートしてください。 # 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) from datasets import load_dataset dataset = load_dataset("json", data_files="./ichikara-instruction-003-001-1.json") # パスの指定にご注意ください。アップロードしたファイルを右クリックし、「パスをコピー」をクリック、上記の data_files と合致していることをご確認ください。Omnicampus のディレクトリ構造とは異なるかもしれません。 # 学習時のプロンプトフォーマットの定義 prompt = """### 指示 {} ### 回答 {}""" """ formatting_prompts_func: 各データをプロンプトに合わせた形式に合わせる """ EOS_TOKEN = tokenizer.eos_token # トークナイザーのEOSトークン（文末トークン） def formatting_prompts_func(examples): input = examples["text"] # 入力データ output = examples["output"] # 出力データ text = prompt.format(input, output) + EOS_TOKEN # プロンプトの作成 return { "formatted_text" : text, } # 新しいフィールド "formatted_text" を返す pass # # 各データにフォーマットを適用 dataset = dataset.map( formatting_prompts_func, # num_proc= 4, # 並列処理数を指定 ) dataset # データを確認 print(dataset["train"]["formatted_text"][3]) """ training_arguments: 学習の設定 - output_dir: -トレーニング後のモデルを保存するディレクトリ - per_device_train_batch_size: - デバイスごとのトレーニングバッチサイズ - per_device_eval_batch_size: - デバイスごとの評価バッチサイズ - gradient_accumulation_steps: - 勾配を更新する前にステップを積み重ねる回数 - optim: - オプティマイザの設定 - num_train_epochs: - エポック数 - eval_strategy: - 評価の戦略 ("no"/"steps"/"epoch") - eval_steps: - eval_strategyが"steps"のとき、評価を行うstep間隔 - logging_strategy: - ログ記録の戦略 - logging_steps: - ログを出力するステップ間隔 - warmup_steps: - 学習率のウォームアップステップ数 - save_steps: - モデルを保存するステップ間隔 - save_total_limit: - 保存しておくcheckpointの数 - max_steps: - トレーニングの最大ステップ数 - learning_rate: - 学習率 - fp16: - 16bit浮動小数点の使用設定（第8回演習を参考にすると良いです） - bf16: - BFloat16の使用設定 - group_by_length: - 入力シーケンスの長さによりバッチをグループ化 (トレーニングの効率化) - report_to: - ログの送信先 ("wandb"/"tensorboard"など) """ from trl import SFTTrainer from transformers import TrainingArguments from unsloth import is_bfloat16_supported trainer = SFTTrainer( model = model, tokenizer = tokenizer, train_dataset=dataset["train"], max_seq_length = max_seq_length, dataset_text_field="formatted_text", packing = False, args = TrainingArguments( per_device_train_batch_size = 2, gradient_accumulation_steps = 4, num_train_epochs = 1, # epochを増やす # num_train_epochs = 5, logging_steps = 10, warmup_steps = 10, save_steps=100, save_total_limit=2, max_steps=-1, learning_rate = 2e-4, fp16 = not is_bfloat16_supported(), bf16 = is_bfloat16_supported(), group_by_length=True, seed = 3407, output_dir = "outputs", report_to = "none", ), ) #@title 現在のメモリ使用量を表示 gpu_stats = torch.cuda.get_device_properties(0) start_gpu_memory = round(torch.cuda.max_memory_reserved() / 1024 / 1024 / 1024, 3) max_memory = round(gpu_stats.total_memory / 1024 / 1024 / 1024, 3) print(f"GPU = {gpu_stats.name}. Max memory = {max_memory} GB.") print(f"{start_gpu_memory} GB of memory reserved.") #@title 学習実行 trainer_stats = trainer.train() # ELYZA-tasks-100-TVの読み込み。事前にファイルをアップロードしてください # データセットの読み込み。 # omnicampusの開発環境では、左にタスクのjsonlをドラッグアンドドロップしてから実行。 import json 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 = "" # 学習したモデルを用いてタスクを実行 from tqdm import tqdm # 推論するためにモデルのモードを変更 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] results.append({"task_id": dt["task_id"], "input": input, "output": prediction}) # jsonlで保存 with open(f"{new_model_id}_output.jsonl", 'w', encoding='utf-8') as f: for result in results: json.dump(result, f, ensure_ascii=False) f.write('\n') モデルとトークナイザーをHugging Faceにアップロードします。 本コードではLoRAのアダブタのみを保存します。 このアダプタを用いた推論方法はModel_Inference_Template_unsloth_20241127.ipynbをご参照ください。 一旦privateでアップロードしてください。 https://docs.unsloth.ai/basics/saving-and-using-models # LoRAアダプタだけ保存 model.push_to_hub_merged( new_model_id+"_lora", tokenizer=tokenizer, save_method="lora", token=HF_TOKEN, private=True )