Update README.md
Browse files
README.md
CHANGED
@@ -20,104 +20,4 @@ base_model:
|
|
20 |
|
21 |
gemma-2利用にあたり、ライセンス上制約の懸念のあるデータセットは利用していない。
|
22 |
|
23 |
-
|
24 |
-
unsloth版のサンプルコード(Google Colab L4使用)をベースとし、推論は1時間以内で終了するようになっている。
|
25 |
-
なお、unsloth版でgemmaを直接使用しようとすると、意図せず別のモデルがダウンロードされることが報告されていることから、当該事象を回避するため、ローカルに一度ダウンロードしたものを使用する形に変更している。
|
26 |
-
|
27 |
-
```
|
28 |
-
# 必要なライブラリをインストール
|
29 |
-
%%capture
|
30 |
-
!pip install unsloth
|
31 |
-
!pip uninstall unsloth -y && pip install --upgrade --no-cache-dir "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
|
32 |
-
!pip install -U torch
|
33 |
-
!pip install -U peft
|
34 |
-
```
|
35 |
-
|
36 |
-
```
|
37 |
-
HF_TOKEN = "" #必要なトークンを設定してください
|
38 |
-
```
|
39 |
-
|
40 |
-
```
|
41 |
-
# HFからモデルリポジトリをダウンロード
|
42 |
-
!huggingface-cli login --token $HF_TOKEN
|
43 |
-
!huggingface-cli download google/gemma-2-27b --local-dir gemma-2-27b/
|
44 |
-
```
|
45 |
-
|
46 |
-
```
|
47 |
-
# 必要なライブラリを読み込み
|
48 |
-
from unsloth import FastLanguageModel
|
49 |
-
from peft import PeftModel
|
50 |
-
import torch
|
51 |
-
import json
|
52 |
-
from tqdm import tqdm
|
53 |
-
import re
|
54 |
-
```
|
55 |
-
|
56 |
-
```
|
57 |
-
# ベースとなるモデルと学習したLoRAのアダプタ
|
58 |
-
model_id = "/content/gemma-2-27b"
|
59 |
-
adapter_id = "Taka2024/gemma-2-27b-it-2_lora"
|
60 |
-
```
|
61 |
-
|
62 |
-
```
|
63 |
-
# unslothのFastLanguageModelで元のモデルをロード。
|
64 |
-
dtype = None # Noneにしておけば自動で設定
|
65 |
-
load_in_4bit = True # 今回は27Bモデルを扱うためTrue
|
66 |
-
|
67 |
-
model, tokenizer = FastLanguageModel.from_pretrained(
|
68 |
-
model_name=model_id,
|
69 |
-
dtype=dtype,
|
70 |
-
load_in_4bit=load_in_4bit,
|
71 |
-
trust_remote_code=True,
|
72 |
-
)
|
73 |
-
```
|
74 |
-
|
75 |
-
```
|
76 |
-
# 元のモデルにLoRAのアダプタを統合。
|
77 |
-
model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)
|
78 |
-
```
|
79 |
-
|
80 |
-
```
|
81 |
-
# タスクとなるデータの読み込み。
|
82 |
-
# 事前にデータをアップロードしてください。
|
83 |
-
datasets = []
|
84 |
-
with open("/content/elyza-tasks-100-TV_0.jsonl", "r") as f:
|
85 |
-
item = ""
|
86 |
-
for line in f:
|
87 |
-
line = line.strip()
|
88 |
-
item += line
|
89 |
-
if item.endswith("}"):
|
90 |
-
datasets.append(json.loads(item))
|
91 |
-
item = ""
|
92 |
-
```
|
93 |
-
|
94 |
-
```
|
95 |
-
# モデルを用いてタスクの推論。
|
96 |
-
# 推論するためにモデルのモードを変更
|
97 |
-
FastLanguageModel.for_inference(model)
|
98 |
-
|
99 |
-
results = []
|
100 |
-
for dt in tqdm(datasets):
|
101 |
-
input = dt["input"]
|
102 |
-
|
103 |
-
prompt = f"""### あなたは日本人のための優秀なコンシェルジュです。指示には必ずわかりやすい日本語で回答してください。\n### 指示\n{input}\n### 回答\n"""
|
104 |
-
|
105 |
-
inputs = tokenizer([prompt], return_tensors = "pt").to(model.device)
|
106 |
-
|
107 |
-
outputs = model.generate(**inputs, max_new_tokens = 512, use_cache = True, do_sample=False, repetition_penalty=1.2)
|
108 |
-
prediction = tokenizer.decode(outputs[0], skip_special_tokens=True).split('\n### 回答')[-1]
|
109 |
-
|
110 |
-
results.append({"task_id": dt["task_id"], "input": input, "output": prediction})
|
111 |
-
```
|
112 |
-
|
113 |
-
```
|
114 |
-
# 結果をjsonlで保存。
|
115 |
-
|
116 |
-
# ここではadapter_idを元にファイル名を決定しているが、ファイル名は任意で問題なし。
|
117 |
-
json_file_id = re.sub(".*/", "", adapter_id)
|
118 |
-
with open(f"/content/{json_file_id}_output.jsonl", 'w', encoding='utf-8') as f:
|
119 |
-
for result in results:
|
120 |
-
json.dump(result, f, ensure_ascii=False)
|
121 |
-
f.write('\n')
|
122 |
-
```
|
123 |
-
|
|
|
20 |
|
21 |
gemma-2利用にあたり、ライセンス上制約の懸念のあるデータセットは利用していない。
|
22 |
|
23 |
+
Loraアダプタのみ保存している。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|