Update README.md

README.md

@@ -6,46 +6,106 @@ tags:
 - sft
 - generated_from_trainer
 base_model: TheBloke/typhoon-7B-GPTQ
+model_creator: SCB 10X
+model_name: Typhoon 7B
+model_type: mistral
+
 model-index:
-- name: typhoon-7b-chat-pobpad
+- name: typhoon-7b-chat-alpaca
   results: []
+datasets:
+- Thaweewat/alpaca-cleaned-52k-th
+language:
+- th
 ---
 
 <!-- This model card has been generated automatically according to the information the Trainer had access to. You
 should probably proofread and complete it, then remove this comment. -->
 
-# typhoon-7b-chat-pobpad
+# typhoon-7b-chat-alpaca
+
+This model is a fine-tuned version of [TheBloke/typhoon-7B-GPTQ](https://huggingface.co/TheBloke/typhoon-7B-GPTQ) on the [Pobpad](https://huggingface.co/datasets/Thaweewat/pobpad) dataset.
+
+## Usage
+
+```python
+from peft import AutoPeftModelForCausalLM
+from transformers import GenerationConfig, AutoTokenizer
+import torch
+import time
+
+
+def generate_response(input_text: str) -> str:
+    """
+    Generate a response for the given input text using the Typhoon-7B model.
+
+    Parameters:
+    input_text (str): The input text prompt.
 
-This model is a fine-tuned version of [TheBloke/typhoon-7B-GPTQ](https://huggingface.co/TheBloke/typhoon-7B-GPTQ) on the None dataset.
+    Returns:
+    str: The generated response.
+    """
+    # Initialize the tokenizer and model only once
+    tokenizer = AutoTokenizer.from_pretrained("Thaweewat/typhoon-7b-chat-pobpad")
 
-## Model description
+    model = AutoPeftModelForCausalLM.from_pretrained(
+        "Thaweewat/typhoon-7b-chat-pobpad",
+        low_cpu_mem_usage=True,
+        return_dict=True,
+        torch_dtype=torch.float16,
+        device_map="cuda")
 
-More information needed
+    generation_config = GenerationConfig(
+        do_sample=True,
+        top_k=1,
+        temperature=0.5,
+        max_new_tokens=300,
+        repetition_penalty=1.1,
+        pad_token_id=tokenizer.eos_token_id)
 
-## Intended uses & limitations
+    # Tokenize input
+    inputs = tokenizer(input_text, return_tensors="pt").to("cuda")
 
-More information needed
+    # Generate outputs
+    st_time = time.time()
+    outputs = model.generate(**inputs, generation_config=generation_config)
 
-## Training and evaluation data
+    # Decode and print response
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    print(f"Response time: {time.time() - st_time} seconds")
+    return response
 
-More information needed
+# Sample usage:
+# Example from https://pantip.com/topic/42422619
+input_text = """###Human: สวัสดีค่า มาตามหาอาหารเสริม คุณเเม่อายุ50+ค่ะ
+ทำงานเดินทั้งวันเเถมพักผ่อนน้อยมีบางช่วงที่ดูไม่ค่อยสดใส อยากให้ทุกคนช่วยเเนะนำอาหารเสริมหน่อยค่า
+###Assistant: """
+print(generate_response(input_text))
 
-## Training procedure
+"""
+อาหารเสริมสำหรับผู้สูงอายุ ควรเลือกทานที่มีวิตามินและแร่ธาตุครบถ้วน เช่น วิตามินบีรวม วิตามินซี แคลเซียม
+ แมกนีเซียม เหล็ก โฟเลต เป็นต้น ซึ่งจะช่วยให้ร่างกายแข็งแรงขึ้น และควรหลีกเลี่ยงการรับประทานอาหารประเภทไขมันสูง
+ เพราะอาจทำให้เกิดโรคหัวใจได้หากต้องการทราบข้อมูลเพิ่มเติม สามารถสอบถามเภสัชกรหรือแพทย์ประจำตัวเพื่อขอคำแนะนำในการดูแลสุขภาพก่อนนะคะ
+ ขอเป็นกำลังใจให้นะคะ หากมีข้อสงสัยสามารถปรึกษาพยาบาลสายด่วน โทร.1669 ได้ตลอดเวลาค่ะ
+*หมายเหตุ : การใช้ยาและการปรับเปลี่ยนพฤติกรรมต่างๆ ควรอยู่ภายใต้การดูแลของบุคลากรทางการแพทย์*
+"""
+```
 
 ### Training hyperparameters
 
 The following hyperparameters were used during training:
 - learning_rate: 0.0002
-- train_batch_size: 32
+- train_batch_size: 8
 - eval_batch_size: 8
 - seed: 42
 - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
 - lr_scheduler_type: cosine
+- mixed_precision_training: Native AMP
 
 ### Framework versions
 
 - PEFT 0.7.1
 - Transformers 4.37.0.dev0
-- Pytorch 2.0.1
+- Pytorch 2.1.2+cu121
 - Datasets 2.16.0
 - Tokenizers 0.15.0