llm-jp-3-13b-finetune-4-dpo-1

LLM-JP-3-13B ファインチューニングモデル

モデル詳細

ベースモデル: llm-jp/llm-jp-3-13b
アダプターモデル 1: nmczzi/llm-jp-3-13b-finetune-4
アダプターモデル 2: nmczzi/llm-jp-3-13b-finetune-4-dpo-1
量子化: 4ビット量子化 (QLoRA)

インストール

必要なパッケージのインストール：

pip install -U bitsandbytes transformers accelerate datasets peft

使用方法

以下は、モデルの基本的な使用例です(python)：

from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig from peft import PeftModel, LoraConfig import torch

HF_TOKEN = "有効なHuggingFaceトークン"

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

base_model_id = "llm-jp/llm-jp-3-13b" adapter_id_1 = "nmczzi/llm-jp-3-13b-finetune-4" adapter_id_2 = "nmczzi/llm-jp-3-13b-finetune-4-dpo-1"

QLoRA設定

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

モデルの読み込み

model = AutoModelForCausalLM.from_pretrained( base_model_id, quantization_config=bnb_config, device_map="auto", token=HF_TOKEN )

トークナイザーの読み込み

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

ファインチューニングされたアダプターの読み込み

model = PeftModel.from_pretrained(model, adapter_id_1, token=HF_TOKEN) model = PeftModel.from_pretrained(model, adapter_id_2, token=HF_TOKEN)

生成用の関数を定義

def generate_response(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) return output

使用例

input = "### 指示\nあなたの指示をここに入力してください\n### 回答\n" inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

with torch.no_grad(): outputs = model.generate(**inputs, max_new_tokens=100, do_sample=False, repetition_penalty=1.2)

response = tokenizer.decode(outputs[0], skip_special_tokens=True) print(response)