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: yusuke0505
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.

#Sample Use !pip install -U bitsandbytes !pip install -U transformers !pip install -U accelerate !pip install -U datasets

!pip install ipywidgets --upgrade

from transformers import ( AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig, ) import torch from tqdm import tqdm import json

Hugging Faceで取得したTokenをこちらに貼る。

HF_TOKEN = "your-token"

自分の作成したモデルのIDをこちらに貼る。

model_name = "yusuke0505/llm-jp-3-13b-it"

QLoRA config

bnb_config = BitsAndBytesConfig( load_in_4bit=True, bnb_4bit_quant_type="nf4", bnb_4bit_compute_dtype=torch.bfloat16, bnb_4bit_use_double_quant=False, )

from transformers import AutoModelForCausalLM, AutoTokenizer

モデル名を指定

model_name = "yusuke0505/llm-jp-3-13b-it"

量子化設定（例として4ビット量子化）

bnb_config = { "load_in_4bit": True # 必要に応じて変更 }

モデルをロード

model = AutoModelForCausalLM.from_pretrained( model_name, quantization_config=bnb_config, device_map="auto", use_auth_token="your-token" # Hugging Faceトークンを指定（必要な場合） )

トークナイザをロード

tokenizer = AutoTokenizer.from_pretrained( model_name, use_auth_token="your-token" )

import json # 必要なモジュールをインポート

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。

datasets = [] with open("./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 = ""

from tqdm import tqdm

gemma

results = [] for data in tqdm(datasets):

input_text = data["input"]
prompt = f"""### 指示

{input_text}

回答：

"""

# トークナイズ処理
input_ids = tokenizer(prompt, return_tensors="pt").to(model.device)
input_ids.pop("token_type_ids", None)  # GPT系モデルでは不要な "token_type_ids" を削除

# モデルでテキスト生成
outputs = model.generate(
    **input_ids,
    max_new_tokens=512,
    do_sample=False,
    repetition_penalty=1.2,
)

# 出力をデコード
output = tokenizer.decode(
    outputs[0][input_ids["input_ids"].size(1):], skip_special_tokens=True
)

# 結果をリストに追加
results.append({"task_id": data["task_id"], "input": input_text, "output": output})

結果を確認（オプション）

print(results)

import torch # torchをインポート from tqdm import tqdm # tqdmをインポート（プログレスバー用）

llmjp

results = [] for data in tqdm(datasets):

input = data["input"]

prompt = f"""### 指示 {input}

回答：

"""

tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device) with torch.no_grad(): outputs = model.generate( tokenized_input, max_new_tokens=100, do_sample=False, repetition_penalty=1.2 )[0] output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)

results.append({"task_id": data["task_id"], "input": input, "output": output})

jsolの生成

import re model_name = re.sub(".*/", "", model_name) with open(f"./{model_name}-outputs.jsonl", 'w', encoding='utf-8') as f: for result in results: json.dump(result, f, ensure_ascii=False) # ensure_ascii=False for handling non-ASCII characters f.write('\n')