File size: 2,327 Bytes
e0e10ff a5d9c97 e0e10ff a5d9c97 8931f27 8e5ab0b ee2b7f2 8931f27 359f5b5 8931f27 359f5b5 a5d9c97 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 |
---
license: cc-by-sa-4.0
datasets:
- izumi-lab/llm-japanese-dataset
library_name: transformers
---
# モデル
- **rinna/bilingual-gpt-neox-4b-instruction-sft**に、84,300件の和訳データセットをフルパラメータファインチューニングしたモデルです。
- **izumi-lab/llm-japanese-dataset**から和訳タスクのデータセットのみ抽出し、学習に使用しました。
- instructionに「以下の英語を日本語に翻訳してください。」と記載されたデータのみ機械的に抽出し、学習に使用しました。
- [ryota39/Tora_4B](https://huggingface.co/ryota39/Tora_4B)も公開しておりますのでご覧ください。
# 学習
- ハードウェア: 1 x NVIDIA RTX A6000(VRAM48GB)
- 使用VRAM: 32~34GB
- 学習時間: 5h 39m 37s
- train/epoch: 2.61
- train/loss: 0.9958
- eval/loss: 0.9223530292510986
- optimizer: Adam
- learning_rate: 1.5e-5
- lr_scheduler_type: "cosine"
- warmup_steps: 500
# 学習結果
# コード
```python
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("rinna/bilingual-gpt-neox-4b-instruction-sft", use_fast=False)
model = AutoModelForCausalLM.from_pretrained("ryota39/bilingual-gpt-neox-4b-instruction-sft-en-ja-84k")
if torch.cuda.is_available():
model = model.to("cuda")
prompt = list()
prompt.append("指示: 以下の英語を日本語に翻訳してください。")
prompt.append("ユーザー: Do you deliver on Sundays?")
prompt.append("システム: ")
prompt = '\n'.join(prompt)
print(prompt)
token_ids = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt")
with torch.no_grad():
output_ids = model.generate(
token_ids.to(model.device),
max_new_tokens=512,
do_sample=False,
temperature=0.7,
top_p=0.85,
pad_token_id=tokenizer.pad_token_id,
bos_token_id=tokenizer.bos_token_id,
eos_token_id=tokenizer.eos_token_id
)
output = tokenizer.decode(output_ids.tolist()[0][token_ids.size(1):])
print(output)
```
|