watashiha/Watashiha-Llama-2-13B-Ogiri-sft-neuron

The English document is here

モデル概要

Watashiha-Llama-2-13B-Ogiri-sftをAWSのinf2インスタンスで動作するようにコンパイルされたモデルです。

コンパイルは以下の記事を参考に行いました。
https://huggingface.co/docs/optimum-neuron/tutorials/llama2-13b-chatbot

• License: LLAMA 2 COMMUNITY LICENSE

使用方法

1. AWS EC2でinf2.xlargeのインスタンスを立てる。
   モデルのダウンロードで50GBほど必要になるので、ストレージのサイズは256GB以上に設定しておくのをおすすめします。
   AMIは以下のものを使用してください。
   Deep Learning AMI Neuron PyTorch 1.13 (Ubuntu 20.04) 20240102

2. 以下のコマンドを実行し、用意されているpython環境を有効にする。

source /opt/aws_neuron_venv_pytorch/bin/activate

3. optimumをインストールする。

pip install optimum[neuronx]

4. 上記の手順を終えたら、以下のソースコードを実行。

from optimum.neuron import NeuronModelForCausalLM
from transformers import AutoTokenizer

model_name = "watashiha/Watashiha-Llama-2-13B-Ogiri-sft-neuron"
tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=True)
model = NeuronModelForCausalLM.from_pretrained(model_name)

odai = "マジシャンのショーでアシスタントが消えたまま戻ってこない時の一言。"
text = f"""
以下は、タスクを説明する指示と、文脈のある入力の組み合わせです。要求を適切に満たす応答を書きなさい。

### 指示:
入力の文は大喜利のお題です。お題に沿った面白いボケを生成してください。

### 入力:
{odai}

### 応答:
"""
text = text.lstrip()

token_ids = tokenizer.encode(text, return_tensors="pt")
input_len = token_ids.shape[1]
output_ids = model.generate(
    token_ids,
    max_length=input_len + 64,
    do_sample=True,
    top_p=0.9,
    top_k=50,
    temperature=0.8,
    pad_token_id=tokenizer.pad_token_id,
    eos_token_id=tokenizer.eos_token_id,
)
output = tokenizer.decode(output_ids.tolist()[0], skip_special_tokens=True)
print(output)
"""
以下は、タスクを説明する指示と、文脈のある入力の組み合わせです。要求を適切に満たす応答を書きなさい。

### 指示:
入力の文は大喜利のお題です。お題に沿った面白いボケを生成してください。

### 入力:
マジシャンのショーでアシスタントが消えたまま戻ってこない時の一言。

### 応答:
もうアシスタントいらなくない？
"""

コンパイルのパラメータ

input_shapes

{
    "batch_size": 1,
    "sequence_length": 1024,
}

compiler_args

{
    "num_cores": 2,
    "auto_cast_type": 'bf16',
}