from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("your-model-path")
model = AutoModelForCausalLM.from_pretrained("your-model-path")

# スペシャルトークンを使用した入力の例
input_text = """<|SYSTEM|>あなたは親切なAIアシスタントです。</|SYSTEM|>
<|USER|>機械学習について説明してください。</|USER|>
<|ASSISTANT|>機械学習は..."""

input_ids = tokenizer(input_text, return_tensors="pt").to(device)
outputs = model.generate(**input_ids, max_new_tokens=256)
print(tokenizer.decode(outputs[0]))

モデルの仕様

9Bパラメータ版：8兆トークンで学習

使用方法

基本的な使用方法（Pipeline API）

python

import torch
from transformers import pipeline

pipe = pipeline(
    "text-generation",
    model="google/gemma-2-9b",
    device="cuda",  # Macの場合は "mps" に置き換え
    torch_dtype=torch.bfloat16  # BF16精度を指定
)

text = "<|SYSTEM|>You are a helpful assistant.</|SYSTEM|><|USER|>Tell me a story.</|USER|>"
outputs = pipe(text, max_new_tokens=256)
response = outputs[0]["generated_text"]
print(response)

DeL-TaiseiOzaki/Tengentoppa-gemma-2-9b-base-fp16

Gemma モデル（スペシャルトークン拡張版）

概要

モデルの特徴

スペシャルトークンの使用例

モデルの仕様

使用方法

基本的な使用方法（Pipeline API）

DeL-TaiseiOzaki/
Tengentoppa-gemma-2-9b-base-fp16