Views
No views yet
1
2from transformers import (
3 AutoModelForCausalLM,
4 AutoTokenizer,
5 BitsAndBytesConfig,
6)
7from peft import PeftModel
8import torch
9from tqdm import tqdm
10import json
11
12# Hugging Faceで取得したTokenをこちらに貼る。
13HF_TOKEN = "Hugging Face Token"
14
15# ベースとなるモデルと学習したLoRAのアダプタ。
16# 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。
17model_id = "llm-jp/llm-jp-3-13b"
18adapter_id = "tamanegiX/llm-jp-3-13b-finetune" # こちらにアップロードしたHugging FaceのIDを指定してください。
19
20# QLoRA config
21bnb_config = BitsAndBytesConfig(
22 load_in_4bit=True,
23 bnb_4bit_quant_type="nf4",
24 bnb_4bit_compute_dtype=torch.bfloat16,
25)
26
27# Load model
28model = AutoModelForCausalLM.from_pretrained(
29 model_id,
30 quantization_config=bnb_config,
31 device_map="auto",
32 token = HF_TOKEN
33)
34
35# Load tokenizer
36tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True, token = HF_TOKEN)
37
38# 元のモデルにLoRAのアダプタを統合。
39model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)
40
41# データセットの読み込み。
42# omnicampusの開発環境では、左にタスクのjsonlをドラッグアンドドロップしてから実行。
43datasets = []
44with open("./elyza-tasks-100-TV_0.jsonl", "r") as f:
45 item = ""
46 for line in f:
47 line = line.strip()
48 item += line
49 if item.endswith("}"):
50 datasets.append(json.loads(item))
51 item = ""
52
53# llmjp
54results = []
55for data in tqdm(datasets):
56
57 input = data["input"]
58
59 prompt = f"""### 指示
60 {input}
61 ### 回答
62 """
63
64 tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device)
65 attention_mask = torch.ones_like(tokenized_input)
66 with torch.no_grad():
67 outputs = model.generate(
68 tokenized_input,
69 attention_mask=attention_mask,
70 max_new_tokens=100,
71 do_sample=False,
72 repetition_penalty=1.2,
73 pad_token_id=tokenizer.eos_token_id
74 )[0]
75 output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)
76
77 results.append({"task_id": data["task_id"], "input": input, "output": output})
78
79# こちらで生成されたjsolを提出してください。
80# 本コードではinputとeval_aspectも含んでいますが、なくても問題ありません。
81# 必須なのはtask_idとoutputとなります。
82import re
83jsonl_id = re.sub(".*/", "", adapter_id)
84with open(f"./{jsonl_id}-outputs.jsonl", 'w', encoding='utf-8') as f:
85 for result in results:
86 json.dump(result, f, ensure_ascii=False) # ensure_ascii=False for handling non-ASCII characters
87 f.write('\n')
88
89