Uploaded model

Developed by: togakyo
License: apache-2.0
Finetuned from model : llm-jp/llm-jp-3-13b

This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.

Sample Use

実行手順

以下の手順に従うことで、Hugging Face上のモデル(togakyo/llm-jp-3-13b-it)を用いて入力データ(elyza-tasks-100-TV_0.jsonl)を推論し、その結果を{model_id}-outputs.jsonlというファイルに出力できます。

前提条件

Python環境があること（例: Google Colab）
Hugging Faceのアクセストークン (HF_TOKEN) が取得済みであること
GPU RAM 15GB(10.3GB使用)

セットアップ

必要なライブラリなどインストールを行います。

!pip uninstall unsloth -y
# WARNING: Skipping unsloth as it is not installed.
!pip install --upgrade --no-cache-dir "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
# RESTART SESSION する
!pip install --upgrade torch
!pip install --upgrade xformers
!pip install ipywidgets --upgrade

# Install Flash Attention 2 for softcapping support
import torch
if torch.cuda.get_device_capability()[0] >= 8:
    !pip install --no-deps packaging ninja einops "flash-attn>=2.6.3"

Hugging Faceのトークンを取得していることを確認してください。以下はGoogle Colabでuserdataを使う例です（実行環境に合わせて適宜変更してください）。
```
from google.colab import userdata
HF_TOKEN = userdata.get('HF_TOKEN')
```

モデル・トークナイザの読み込み

# llm-jp/llm-jp-3-13bを4bit量子化のqLoRA設定でロード。

from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
from unsloth import FastLanguageModel
import torch
max_seq_length = 512 # unslothではRoPEをサポートしているのでコンテキスト長は自由に設定可能
dtype = None # Noneにしておけば自動で設定
load_in_4bit = True # 今回は8Bクラスのモデルを扱うためTrue

model_id = "togakyo/llm-jp-3-13b-it"
# FastLanguageModel インスタンスを作成
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name=model_id,
    dtype=dtype,
    load_in_4bit=load_in_4bit,
    trust_remote_code=True,
)

読み込みに10分程度かかります。

入力データの準備

./elyza-tasks-100-TV_0.jsonlというファイルからデータセットをロードします。

import json
datasets = []
with open("elyza-tasks-100-TV_0.jsonl", "r") as f:
    item = ""
    for line in f:
      line = line.strip()
      item += line
      if item.endswith("}"):
        datasets.append(json.loads(item))
        item = ""

推論実行

from tqdm import tqdm

# 推論するためにモデルのモードを変更
FastLanguageModel.for_inference(model)

results = []
for dt in tqdm(datasets):
  input = dt["input"]

  prompt = f"""### 指示\n{input}\n### 回答\n"""

  inputs = tokenizer([prompt], return_tensors = "pt").to(model.device)

  outputs = model.generate(**inputs, max_new_tokens = 512, use_cache = True, do_sample=False, repetition_penalty=1.2)
  prediction = tokenizer.decode(outputs[0], skip_special_tokens=True).split('\n### 回答')[-1]

  results.append({"task_id": dt["task_id"], "input": input, "output": prediction})

出力の保存

最後に、model_idをベースにしたファイル名でJSONL形式の出力ファイルを保存します。

import re
# 結果をjsonlで保存
jsonl_id = re.sub(".*/", "", model_id)
with open(f"{jsonl_id}_output.jsonl", 'w', encoding='utf-8') as f:
    for result in results:
        json.dump(result, f, ensure_ascii=False)
        f.write('\n')

以上の手順で、{model_id}-outputs.jsonlというファイルに推論結果が書き出されます。

togakyo
/

llm-jp-3-13b-it