Update README.md

README.md

@@ -27,8 +27,102 @@ This is a T5 (Text-to-Text Transfer Transformer) Prefix Language Model fine-tune
 
 # サンプルコード
 
-準備中
-
+```python
+import torch
+from torch.utils.data import Dataset, DataLoader
+from transformers import T5ForConditionalGeneration, T5Tokenizer
+import textwrap
+
+tokenizer = T5Tokenizer.from_pretrained("sonoisa/t5-prefixlm-base-japanese", is_fast=False)
+trained_model = T5ForConditionalGeneration.from_pretrained("sonoisa/t5-prefixlm-base-japanese")
+
+# GPUの利用有無
+USE_GPU = torch.cuda.is_available()
+if USE_GPU:
+    trained_model.cuda()
+
+# 推論モード設定
+trained_model.eval()
+
+# 前処理とトークナイズを行う
+inputs = [normalize_text("深層学習（ディープラーニング）とは、")]
+batch = tokenizer.batch_encode_plus(
+    inputs, max_length=1024, truncation=True, 
+    padding="longest", return_tensors="pt")
+
+input_ids = batch['input_ids']
+input_mask = batch['attention_mask']
+if USE_GPU:
+    input_ids = input_ids.cuda()
+    input_mask = input_mask.cuda()
+
+# 生成処理を行う
+outputs = trained_model.generate(
+    input_ids=input_ids, attention_mask=input_mask, 
+    max_length=256,
+    temperature=1.0,  # 生成にランダム性を入れる温度パラメータ
+    num_beams=10,  # ビームサーチの探索幅
+    diversity_penalty=1.0,  # 生成結果の多様性を生み出すためのペナルティパラメータ
+    num_beam_groups=10,  # ビームサーチのグループ
+    num_return_sequences=10,  # 生成する文の数
+    repetition_penalty=2.0,   # 同じ文の繰り返し（モード崩壊）へのペナルティ
+)
+
+# 生成されたトークン列を文字列に変換する
+generated_bodies = [tokenizer.decode(ids, skip_special_tokens=True, 
+                                     clean_up_tokenization_spaces=False) 
+                    for ids in outputs]
+
+# 生成された文章を表示する
+for i, body in enumerate(generated_bodies):
+    print("\n".join(textwrap.wrap(f"{i+1:2}. {body}")))
+
+```
+
+実行結果:
+```
+ 1. 様々なデータから、そのデータを抽出し、解析する技術です。深層学習とは、ディープラーニングの手法の一つです。ディープラーニングは、コン
+ピュータが行う処理を機械学習で実現する技術です。ディープラーニングは、コンピュータが行う処理を機械学習で実現する技術です。ディープラーニング
+は、コンピュータが行う処理を機械学習で実現する技術です。ディープラーニングは、コンピュータが行う処理を機械学習で実現する技術です。
+
+ 2. 様々なデータから、そのデータを抽出し、解析する技術です。深層学習とは、ディープラーニングの手法の一つです。ディープラーニングは、コン
+ピュータが行う処理を機械学習で実現する技術です。
+
+ 3. ディープラーニングの手法のひとつで、人間の脳をモデル化し、そのデータを解析する手法である。深層学習は、コンピュータが処理するデータの
+量や質を予測し、それを機械学習に応用するものである。この手法は、人工知能(ai)の分野において広く用いられている。
+
+ 4. 深層学習(deep learning)の手法の一つ。ディープラーニングとは、人間の脳に蓄積されたデータを解析し、そのデータから得られ
+た情報を分析して、それを機械学習や人工知能などの機械学習に応用する手法である。ディープラーニングは、コンピュータが処理するデータの量と質を測
+定し、その結果を機械学習で表現する手法である。ディープラーニングは、人間が行う作業を機械学習で表現する手法である。ディープラーニングは、人間
+にとって最も身近な技術であり、多くの人が利用している。ディープラーニングは、コンピューターの処理能力を向上させるために開発された。
+
+ 5. 人間の脳の深層学習を応用した人工知能(ai)である。ディープラーニングは、コンピュータが処理するデータを解析し、そのデータから得られ
+た結果を分析して、それを機械学習やディープラーニングに変換して学習するものである。ディープラーニングは、人間が行う作業を機械学習で再現するこ
+とを可能にする。
+
+ 6. 人間の脳の深層学習を応用した人工知能(ai)である。ディープラーニングは、コンピュータが処理するデータを解析し、そのデータから得られ
+た結果を分析して、それを機械学習やディープラーニングに変換して学習するものである。ディープラーニングは、人間が行う作業を機械学習で再現するこ
+とを可能にする。ディープラーニングは、人間と機械との対話を通じて、人間の脳の仕組みを理解することができる。
+
+ 7. 深層学習によって、人間の脳の神経細胞や神経細胞を活性化し、その働きを解明する手法です。ディープラーニングは、コンピュータが処理するデ
+ータの量と質を測定することで、人間が行う作業の効率化を図る手法です。また、機械学習では、人間に与えられたデータを解析して、それを機械学習で処
+理する技術です。このため、機械学習では、機械学習のアルゴリズムを組み合わせることで、より精度の高い処理を実現します。さらに、機械学習では、機
+械学習のアルゴリズムを組み合わせることで、より精度の高い処理を実現します。
+
+ 8. 学習したデータを解析し、そのデータの分析を行う手法。ディープラーニングは、コンピュータが人間の脳に与える影響を予測する技術である。深
+層学習は、人間が脳に与える影響を予測する技術である。ディープラーニングは、人間と機械との相互作用によって行われる。例えば、ロボットが物体を分
+解して、それを検出したり、物体を分解して、その物体を別の物体として認識したりする。また、物体を分解して、その物体を別の物体として認識する。こ
+のプロセスは、コンピューターが行う処理よりもはるかに高速である。ディープラーニングは、コンピュータが行う処理よりも速く、より効率的な処理が可
+能である。
+
+ 9. 深層学習によって、人間の脳の神経細胞や神経細胞を活性化し、その働きを解明する手法です。ディープラーニングは、コンピュータが処理するデ
+ータの量と質を測定することで、人間が行う作業の効率化を図る手法です。
+
+10. 学習したデータを解析し、そのデータの分析を行う手法。ディープラーニングは、コンピュータが人間の脳に与える影響を予測する技術である。深
+層学習は、人間が脳に与える影響を予測する技術である。ディープラーニングは、人間と機械との相互作用によって行われる。例えば、ロボットが物体を分
+解して、それを検出したり、物体を分解して、その物体を別の物体として認識したりする。また、物体を分解して、その物体を別の物体として認識する。こ
+のプロセスは、コンピューターが行う処理よりもはるかに高速である。
+```
 
 # 免責事項