llm-jp-3-13b-finetune-practice

Model Card for Model ID

<!-- Provide a quick summary of what the model is/does. -->

• このモデルは松尾研主催の大規模言語モデル2024の最終課題用に作成したモデルであり、課題の確認用に公開してあります。
• 大規模言語モデル2024の最終課題として提供された、サンプルプログラムを使用して実施しました。
• このモデルはLLM-jp-3-13bをベースとし、ichikara-instructionデータセット※を使用してファインチューニングしました。
• ※LLMのための日本語インストラクションデータ

Model Description

• Developed by: Amy Saito
• Model type: Transformer-based Language Model
• Language(s) (NLP): Japanese
• License: CC BY-SA
• Finetuned from model: llm-jp/llm-jp-3-13b

Sample Usage

以下は最終課題である、elyza-tasks-100-TV_0.jsonlの回答用のサンプルコードです。

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

# Huggine FaceのTokenを指定
HF_TOKEN = "Hugging Face Token"

# モデルとアダプタの指定
model_id = "llm-jp/llm-jp-3-13b"
adapter_id = "amysaito/llm-jp-3-13b-finetune-practice"

モデルの準備

# QLoRA config
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16,
)

# Load model
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    quantization_config=bnb_config,
    device_map="auto",
    token = HF_TOKEN
)

# Load tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True, token = HF_TOKEN)

# 元のモデルにLoRAのアダプタを統合。
model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)

データの読み込みと推論

# 課題用のデータセットの読み込み
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 = ""

# 推論
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)
  attention_mask = torch.ones_like(tokenized_input)
  with torch.no_grad():
      outputs = model.generate(
          tokenized_input,
          attention_mask=attention_mask,
          max_new_tokens=100,
          do_sample=False,
          repetition_penalty=1.2,
          pad_token_id=tokenizer.eos_token_id
      )[0]
  output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)

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

# 提出用のjsonl作成
import re
jsonl_id = re.sub(".*/", "", adapter_id)
with open(f"./{jsonl_id}-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')