llm-jp-3-13b-finetune

実行手順

以下の手順に従うことで、Hugging Face上のモデル(llm-nailuesaka/llm-jp-3-13b-finetune)を用いて入力データ(elyza-tasks-100-TV_0.jsonl)を推論し、その結果を{model_name}-outputs.jsonlというファイルに出力できます。

前提条件

• Python環境があること（例: Google Colab）
• Hugging Faceのアクセストークン (HF_TOKEN) が取得済みであること

セットアップ

1. 必要なライブラリのインストールを行います。

• !pip install -U pip
• !pip install -U transformers
• !pip install -U bitsandbytes
• !pip install -U accelerate
• !pip install -U datasets
• !pip install -U peft
• !pip install -U trl
• !pip install -U wandb
• !pip install ipywidgets --upgrade

1. Hugging Faceのトークンを取得していることを確認してください。以下はGoogle Colabでuserdataを使う例です（実行環境に合わせて適宜変更してください）。

   from google.colab import userdata
   HF_TOKEN = userdata.get('HF_TOKEN')
   

モデル・トークナイザの読み込み

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

model_id = "nailuesaka/llm-jp-3-13b-finetune"
model_name = "llm-jp-3-13b-finetune"

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

# モデル読み込み
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    quantization_config=bnb_config,
    device_map="auto",
    token=HF_TOKEN
)

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

推論実行

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

    prompt = f"""### 指示
{input_data}
### 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=200,
            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)
    
    # 結果を保存
    results.append({"task_id": data["task_id"], "input": input_data, "output": output})

出力の保存

最後に、model_nameをベースにしたファイル名でJSONL形式の出力ファイルを保存します。

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

以上の手順で、{model_name}-outputs.jsonlというファイルに推論結果が書き出されます。