You can deploy this model and start earning money today!
Tititab/
llama-3.1-8b-instruct-thaigov-corpus-thai-stock-index

Name: llama-3.1-8b-instruct-thaigov-corpus-thai-stock-index
Availability: InStock
Views
No views yet
python
import torch
from datasets import load_dataset, Dataset
from peft import LoraConfig, AutoPeftModelForCausalLM
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig, TrainingArguments, pipeline
from trl import SFTTrainer
import os

def get_model_and_tokenizer(model_id):
  tokenizer = AutoTokenizer.from_pretrained(model_id)
  tokenizer.pad_token = tokenizer.eos_token
  bnb_config = BitsAndBytesConfig(
      load_in_4bit=True, bnb_4bit_quant_type="nf4", bnb_4bit_compute_dtype="float16", bnb_4bit_use_double_quant=True
  )
  model = AutoModelForCausalLM.from_pretrained(
      model_id, quantization_config=bnb_config, device_map="auto"
  )
  model.config.use_cache=False
  model.config.pretraining_tp=1
  return model, tokenizer

model, tokenizer = get_model_and_tokenizer("Tititab/llama-3.1-8b-instruct-thaigov-corpus-thai-stock-index")

messages = [{"role": "user", 
             "content": 
             """
Context: 
เงินบาทยังคงมีแรงหนุนต่อเนื่องจากการปรับตัวขึ้นของราคาทองคำในตลาดโลก ขณะที่แรงกดดันต่อสินทรัพย์เสี่ยงชะลอลง หลังตัวเลขตัวเลขจำนวนผู้ขอรับสวัสดิการว่างงานของสหรัฐฯ ออกมาดีกว่าที่ตลาดคาด ซึ่งช่วยคลายความกังวลเกี่ยวกับความเสี่ยงต่อภาวะถดถอยของสหรัฐฯ ลง

อย่างไรก็ดี กรอบการแข็งค่าของเงินบาทในระหว่างวันอาจเป็นไปอย่างจำกัด เนื่องจากเงินดอลลาร์ฯ มีแรงประคองจากการปรับตัวขึ้นของบอนด์ยีลด์สหรัฐฯ ขณะที่ถ้อยแถลงของเจ้าหน้าที่ระดับสูงของเฟดสะท้อนว่า เฟดจะติดตามพัฒนาการของสถานการณ์เงินเฟ้อจากข้อมูลที่จะทยอยออกมา และจะพิจารณาจังหวะเวลาและขนาดของการปรับลดดอกเบี้ยจากข้อมูลดังกล่าว ไม่ใช่จากภาพสะท้อนความปั่นป่วนของตลาดหุ้น

Instruction: 
ให้ตอบว่า ตลาดมีแนวโน้มขาขึ้น หรือ ตลาดมีแนวโน้มขาลง เท่านั้น พร้อมอธิบายเหตุผล
             """}]

prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipe   = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipe(prompt, max_new_tokens=128, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])