Views
No views yet
1# 必要なライブラリをインストール
2!pip install unsloth
3!pip uninstall unsloth -y && pip install --upgrade --no-cache-dir "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
4!pip install -U torch
5!pip install -U peft
6
7!pip install ipywidgets --upgrade # 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
9# 必要なライブラリを読み込み
10from transformers import (
11 AutoModelForCausalLM,
12 AutoTokenizer,
13 BitsAndBytesConfig,
14)
15from peft import PeftModel
16import torch
17from tqdm import tqdm
18import json
19import re
20
21# Hugging Faceで取得したTokenをこちらに貼る。
22HF_TOKEN = "Hugging Face Token"
23
24# ベースとなるモデルと学習したLoRAのアダプタ。
25# 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。
26model_id = "models/models--llm-jp--llm-jp-3-13b/snapshots/cd3823f4c1fcbb0ad2e2af46036ab1b0ca13192a"
27adapter_id = "Julilian/llm-jp-3-13b-finetune" # Hugging FaceのIDを指定してください。
28
29# QLoRA config
30bnb_config = BitsAndBytesConfig(
31 load_in_4bit=True,
32 bnb_4bit_quant_type="nf4",
33 bnb_4bit_compute_dtype=torch.bfloat16,
34)
35
36# Load model
37model = AutoModelForCausalLM.from_pretrained(
38 model_id,
39 quantization_config=bnb_config,
40 device_map="auto",
41 token = HF_TOKEN
42)
43
44# Load tokenizer
45tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True, token = HF_TOKEN)
46
47# 元のモデルにLoRAのアダプタを統合。
48model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)
49
50# データセットの読み込み。
51datasets = []
52with open("./elyza-tasks-100-TV_0.jsonl", "r") as f:
53 item = ""
54 for line in f:
55 line = line.strip()
56 item += line
57 if item.endswith("}"):
58 datasets.append(json.loads(item))
59 item = ""
60
61# gemma
62results = []
63for data in tqdm(datasets):
64
65 input = data["input"]
66 prompt = f"""### 指示
67 {input}
68 ### 回答
69 """
70
71 input_ids = tokenizer(prompt, return_tensors="pt").to(model.device)
72 outputs = model.generate(**input_ids, max_new_tokens=512, do_sample=False, repetition_penalty=1.2,)
73 output = tokenizer.decode(outputs[0][input_ids.input_ids.size(1):], skip_special_tokens=True)
74
75 results.append({"task_id": data["task_id"], "input": input, "output": output})
76
77# llmjp
78results = []
79for data in tqdm(datasets):
80
81 input = data["input"]
82
83 prompt = f"""### 指示
84 {input}
85 ### 回答
86 """
87
88 tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device)
89 attention_mask = torch.ones_like(tokenized_input)
90 with torch.no_grad():
91 outputs = model.generate(
92 tokenized_input,
93 attention_mask=attention_mask,
94 max_new_tokens=100,
95 do_sample=False,
96 repetition_penalty=1.2,
97 pad_token_id=tokenizer.eos_token_id
98 )[0]
99 output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)
100
101 results.append({"task_id": data["task_id"], "input": input, "output": output})
102
103# 結果をjsonlで保存。
104jsonl_id = re.sub(".*/", "", adapter_id)
105with open(f"./{jsonl_id}-outputs.jsonl", 'w', encoding='utf-8') as f:
106 for result in results:
107 json.dump(result, f, ensure_ascii=False) # ensure_ascii=False for handling non-ASCII characters
108 f.write('\n')