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

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-2"
adapter_id_3 = "nmczzi/llm-jp-3-13b-finetune-4-dpo-2-plus"

### 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)
model = PeftModel.from_pretrained(model, adapter_id_3, 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)