LLM-JP-3-13B ファインチューニングモデル
モデル詳細
ベースモデル: llm-jp/llm-jp-3-13b
アダプターモデル 1: nmczzi/llm-jp-3-13b-finetune-1.1
アダプターモデル 2: nmczzi/llm-jp-3-13b-finetune-2
量子化: 4ビット量子化 (QLoRA)
インストール
必要なパッケージのインストール：
pip install -U bitsandbytes transformers accelerate datasets peft
使用方法
以下は、モデルの基本的な使用例です(python)：
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
from peft import PeftModel, LoraConfig
import torch
HF_TOKEN = "有効なHuggingFaceトークン"
from google.colab import userdata
HF_TOKEN = userdata.get('HF_API_KEY')
base_model_id = "llm-jp/llm-jp-3-13b"
adapter_id_1 = "nmczzi/llm-jp-3-13b-finetune-1.1"
adapter_id_2 = "nmczzi/llm-jp-3-13b-finetune-2"
QLoRA設定
bnb_config = BitsAndBytesConfig(
load_in_4bit=True,
bnb_4bit_quant_type="nf4",
bnb_4bit_compute_dtype=torch.bfloat16,
)
モデルの読み込み
model = AutoModelForCausalLM.from_pretrained(
base_model_id,
quantization_config=bnb_config,
device_map="auto",
token=HF_TOKEN
)
トークナイザーの読み込み
tokenizer = AutoTokenizer.from_pretrained(base_model_id, trust_remote_code=True, token=HF_TOKEN)
ファインチューニングされたアダプターの読み込み
model = PeftModel.from_pretrained(model, adapter_id_1, token=HF_TOKEN)
model = PeftModel.from_pretrained(model, adapter_id_2, token=HF_TOKEN)
生成用の関数を定義
def generate_response(input):
prompt = f"""### 指示
{input}
### 回答
"""
tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device)
attention_mask = torch.ones_like(tokenized_input)
with torch.no_grad():
outputs = model.generate(
tokenized_input,
attention_mask=attention_mask,
max_new_tokens=100,
do_sample=False,
repetition_penalty=1.2,
pad_token_id=tokenizer.eos_token_id
)[0]
output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)
return output
使用例
input = "### 指示\nあなたの指示をここに入力してください\n### 回答\n"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
with torch.no_grad():
outputs = model.generate(**inputs, max_new_tokens=100, do_sample=False, repetition_penalty=1.2)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)
