Tora_4B
- rinna/bilingual-gpt-neox-4b-instruction-sftに、1,000,000件の和訳タスクのデータセットをフルパラメータファインチューニングしたモデルです。
- izumi-lab/llm-japanese-datasetから翻訳タスクのデータセットを抽出し、学習に使用しました。
- 日英翻訳タスクのデータセットを英日翻訳タスクに修正しました。
- 日本語から英語への変換(日英翻訳)には対応していません。
- ryota39/bilingual-gpt-neox-4b-instruction-sft-en-ja-84kも公開しておりますのでご覧ください。
学習
- ハードウェア: 1 x NVIDIA RTX A6000(VRAM48GB)
- 使用VRAM: 32~34GB
- 学習時間: 3h 22m 3s
- train/epoch: 4
- train/loss: 1.0551
- eval/loss: 1.550597071647644
- optimizer: Adam
- learning_rate: 1.5e-4
- lr_scheduler_type: "cosine"
- warmup_steps: 2400
学習結果
コード
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("rinna/bilingual-gpt-neox-4b-instruction-sft", use_fast=False)
model = AutoModelForCausalLM.from_pretrained("ryota39/Tora_4B")
if torch.cuda.is_available():
model = model.to("cuda")
prompt = list()
prompt.append("指示: 以下の英語を日本語に翻訳してください。")
prompt.append("ユーザー: He delivers a presentation under the title of Stress levels estimation from facial video based on non-contact measurement of pulse wave.")
prompt.append("システム: ")
prompt = '\n'.join(prompt)
print(prompt)
token_ids = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt")
with torch.no_grad():
output_ids = model.generate(
token_ids.to(model.device),
max_new_tokens=512,
do_sample=False,
temperature=0.7,
top_p=0.85,
pad_token_id=tokenizer.pad_token_id,
bos_token_id=tokenizer.bos_token_id,
eos_token_id=tokenizer.eos_token_id
)
output = tokenizer.decode(output_ids.tolist()[0][token_ids.size(1):])
print(output)
