metadata

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: izumiharu
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-13b-ver1.2

　llm-jp/llm-jp-3-13b(https://huggingface.co/llm-jp/llm-jp-3-13b)をSFTしたモデルです。

松尾研大規模言語モデル講座2024(https://weblab.t.u-tokyo.ac.jp/lecture/course-list/large-language-model/)のコンペ用の提出モデル作成の一環として作成・公開しています。

推論方法

入力における必須フィールド: {"input": "処理するテキスト"} 出力形式:jsonl形式 {"task_id":タスク番号,"input":処理するテキスト,"output":出力されたテキスト}

from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
from unsloth import FastLanguageModel
import torch
from huggingface_hub import login

max_seq_length = 512 
dtype = None 
load_in_4bit = True 

token = ""　　#huggingfaceトークンを入力
if token:
    login(token=token)
else:
    raise ValueError("環境変数 'HUGGINGFACE_TOKEN' にアクセストークンを設定してください。")

model_id = "izumiharu/llm-jp-3-3.7b-ver1.1"

# 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,
)
#プロンプトの設定
prompt = """### 指示
{}
### 回答
{}"""

import json
datasets = []
#任意のデータセットを指定
with open("", "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 = []
count=0
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": count, "input": input, "output": prediction})

output_file = "output.jsonl"

# JSONLファイルに書き込み
with open(output_file, 'w', encoding='utf-8') as f:
    for item in results:
        # 各辞書をJSON文字列に変換し、ファイルに書き込む
        json_line = json.dumps(item, ensure_ascii=False)
        f.write(json_line + "\n")

print(f"データが'{output_file}'に保存されました。")