Views
No views yet
1!pip install -U bitsandbytes
2!pip install -U transformers
3!pip install -U accelerate
4!pip install -U datasets
5!pip install -U peft
6
7# notebookでインタラクティブな表示を可能とする（ただし、うまく動かない場合あり）
8!pip install ipywidgets --upgrade1from transformers import (
2 AutoModelForCausalLM,
3 AutoTokenizer,
4 BitsAndBytesConfig,
5)
6from peft import PeftModel
7import torch
8from tqdm import tqdm
9import json
10
11# Hugging Faceで取得したTokenをこちらに貼る。
12HF_TOKEN = "Hugging Face Token"
13
14# ベースとなるモデルと学習したLoRAのアダプタ。
15# model_idの値はomnicampusの環境におけるモデルのパスを表しており、それ以外の環境で実行する場合は変更の必要があります。
16model_id = "models/models--llm-jp--llm-jp-3-13b/snapshots/cd3823f4c1fcbb0ad2e2af46036ab1b0ca13192a"
17# omnicampus以外の環境をご利用の方は以下をご利用ください。
18# base_model_id = "llm-jp/llm-jp-3-13b"
19adapter_id = "shixxtaxx/llm-jp-3-13b-finetune"
20
21# QLoRA config
22bnb_config = BitsAndBytesConfig(
23 load_in_4bit=True,
24 bnb_4bit_quant_type="nf4",
25 bnb_4bit_compute_dtype=torch.bfloat16,
26)
27
28# Load model
29model = AutoModelForCausalLM.from_pretrained(
30 model_id,
31 quantization_config=bnb_config,
32 device_map="auto",
33 token = HF_TOKEN
34)
35
36# Load tokenizer
37tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True, token = HF_TOKEN)
38
39# 元のモデルにLoRAのアダプタを統合。
40model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)1# 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。
2datasets = []
3with open("./elyza-tasks-100-TV_0.jsonl", "r") as f:
4 item = ""
5 for line in f:
6 line = line.strip()
7 item += line
8 if item.endswith("}"):
9 datasets.append(json.loads(item))
10 item = ""1results = []
2for data in tqdm(datasets):
3
4 input = data["input"]
5
6 prompt = f"""### 指示
7 {input}
8 ### 回答
9 """
10
11 tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device)
12 attention_mask = torch.ones_like(tokenized_input)
13 with torch.no_grad():
14 outputs = model.generate(
15 tokenized_input,
16 attention_mask=attention_mask,
17 max_new_tokens=100,
18 do_sample=False,
19 repetition_penalty=1.2,
20 pad_token_id=tokenizer.eos_token_id
21 )[0]
22 output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)
23
24 results.append({"task_id": data["task_id"], "input": input, "output": output})1import re
2jsonl_id = re.sub(".*/", "", adapter_id)
3with open(f"./{jsonl_id}-outputs.jsonl", 'w', encoding='utf-8') as f:
4 for result in results:
5 json.dump(result, f, ensure_ascii=False) # ensure_ascii=False for handling non-ASCII characters
6 f.write('\n')