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 ipywidgets --upgrade1from transformers import (
2 AutoModelForCausalLM,
3 AutoTokenizer,
4 BitsAndBytesConfig,
5)
6import torch
7from tqdm import tqdm
8import json
9
10# Hugging Faceで取得したTokenをこちらに貼る。
11HF_TOKEN = "your-token"
12
13# 自分の作成したモデルのIDをこちらに貼る。
14model_name = "your_HuggingFace_username/llm-jp-3-13b-your_model_name"
15
16# QLoRA用の設定
17bnb_config = BitsAndBytesConfig(
18 load_in_4bit=True,
19 bnb_4bit_quant_type="nf4",
20 bnb_4bit_compute_dtype=torch.bfloat16,
21 bnb_4bit_use_double_quant=False,
22)
23
24# モデルの読み込み
25model = AutoModelForCausalLM.from_pretrained(
26 model_name,
27 quantization_config=bnb_config,
28 device_map="auto",
29 token = HF_TOKEN
30)
31
32# トークナイザの読み込み
33tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True, token = HF_TOKEN)./elyza-tasks-100-TV_0.jsonlというファイルからデータセットをロードします。# 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 = ""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)
with torch.no_grad():
outputs = model.generate(
tokenized_input,
max_new_tokens=100,
do_sample=False,
repetition_penalty=1.2
)[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, "output": output})import re
model_name = re.sub(".*/", "", model_name)
with open(f"./{model_name}-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'){model_name}-outputs.jsonlというファイルに推論結果が書き出されます。