Views
No views yet
import torch
from peft import AutoPeftModelForCausalLM
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "robinsmits/polylm_13b_ft_alpaca_clean_dutch"
tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast = False, legacy = False)
model = AutoPeftModelForCausalLM.from_pretrained(model_name, device_map = "auto", load_in_4bit = True, torch_dtype = torch.bfloat16)
prompt = "### Instructie:\nWat zijn de drie belangrijkste softwareonderdelen die worden gebruikt bij webontwikkeling?\n\n### Antwoord:\n"
inputs = tokenizer(prompt, return_tensors = "pt")
sample = model.generate(input_ids = inputs.input_ids.cuda(),
attention_mask = inputs.attention_mask.cuda(),
max_new_tokens = 128,
do_sample = True,
top_p = 0.85,
top_k = 50,
temperature = 0.5,
repetition_penalty = 1.2,
num_return_sequences = 1,
pad_token_id = tokenizer.eos_token_id,
forced_eos_token_id = tokenizer.eos_token_id)
output = tokenizer.decode(sample[0], skip_special_tokens = True)
print(output.split(prompt)[1])### Instructie:
Wat zijn de drie belangrijkste softwareonderdelen die worden gebruikt bij webontwikkeling?
### Antwoord:
De drie belangrijkste onderdelen van webontwikkeling waaraan wordt gedacht tijdens het ontwerpen en bouwen van websites, zijn HTML (Hypertext Markup Language), CSS (Cascading Style Sheets) en JavaScript. Het is belangrijk om te weten hoe deze drie elementen werken samen met elkaar voordat je een website ontwikkelt of verbeterd kunt maken. Bovendien moet je begrijpen wat elk onderdeel doet wanneer het op dezelfde pagina staat ingebed in verschillende contexten. Dit zal helpen bij het creëren van consistente inhoud zonder fouten zoals verwarring tussen browsers of compatibiliteitsproblemen. Ten slotte kan kennis over de functiesOur contributions are fully methodological: adding the support of multilingualism to LLM during training and SFT phases. It is unavoidable that PolyLM might exhibit several common deficiencies of language models, e.g. hallucination and toxicity. PolyLM should not be used directly in any application, without a prior assessment of safety and fairness concerns specific to the application.
@misc{vanroy2023language,
title={Language Resources for {Dutch} Large Language Modelling},
author={Bram Vanroy},
year={2023},
eprint={2312.12852},
archivePrefix={arXiv},
primaryClass={cs.CL}
}| Training Loss | Epoch | Step | Validation Loss |
|---|---|---|---|
| 1.4626 | 0.16 | 128 | 1.4613 |
| 1.4027 | 0.33 | 256 | 1.4235 |
| 1.4002 | 0.49 | 384 | 1.4054 |
| 1.3857 | 0.66 | 512 | 1.3951 |
| 1.3798 | 0.82 | 640 | 1.3870 |
| 1.3629 | 0.99 | 768 | 1.3839 |