Hugging Face's logo

yf591
/
llm-jp-3-13b-it-1

Transformers
Safetensors
English
text-generation-inference
unsloth
llama
trl
Inference Endpoints
Model card Files Community

Uploaded model

  • Developed by: yf591
  • License: CC-BY-NC-SA
  • Finetuned from model : llm-jp/llm-jp-3-13b

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

Instructions for using the benchmark "ELYZA-tasks-100-TV" for output

1.必要なライブラリのインポート 

from transformers import (
    AutoModelForCausalLM,
    AutoTokenizer,
    BitsAndBytesConfig,
)
import torch
from tqdm import tqdm
import json

2.モデルの設定

ここでは、モデルとトークナイザーをロードするための設定を行います。

  • Hugging Faceトークン: HF_TOKEN に、あなたのHugging Faceアカウントから取得したトークンを入力します。
  • モデル名: model_name には、使用するFine-Tunedモデルの名前を指定します。 例: "username/llm-jp-3-13b-finetune"（username部分をHugging Faceのユーザー名に置き換えてください）
  • QLoRA設定: BitsAndBytesConfigを使用して、4bit量子化（QLoRA）を設定します。これにより、メモリの使用量を大幅に削減できます。
from getpass import getpass

# Hugging Faceで取得したTokenをこちらに貼る(トークンを非表示で入力)
HF_TOKEN = getpass("Hugging FaceのRead用のHF_Tokenを入力してください: ")

model_name = "yf591/llm-jp-3-13b-it-1"

# QLoRA config
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16,
    bnb_4bit_use_double_quant=False,
)

ここでは、以下の設定を行っています：

  • Hugging Faceトークン（HF_TOKEN）
  • Fine-Tunedモデルのリポジトリ名（model_name）
  • 4bit量子化（QLoRA）の設定（BitsAndBytesConfig）

3.モデルの読み込み

AutoModelForCausalLMを使って、指定したモデルをロードし、推論可能な形にします。AutoTokenizerは、テキストのトークン化や復号を担当します。これにより、自然言語のテキストをモデルが理解できる形式に変換します。

  • load_in_4bit=True: 4bit量子化を有効にするための設定です。これにより、メモリ使用量が削減されます。
  • device_map="auto": 自動的にGPUを利用するよう設定しています。
  • token: Hugging Faceトークンを指定します。
# Load model
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    quantization_config=bnb_config,
    device_map="auto",
    token = HF_TOKEN
)

# Load tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True, token = HF_TOKEN)

この部分では、Hugging Face Hubからモデルとトークナイザーをロードします。

  • モデルは4bit量子化（QLoRA）設定を適用。
  • トークナイザーはカスタムコードを信頼する設定でロードされます。

4.データセットの読み込み

次に、推論に使用するデータセットを読み込みます。ファイルはJSON Lines形式（.jsonl）で保存されている必要があります。

  • ファイルの読み込み: elyza-tasks-100-TV_0.jsonl というファイルを読み込み、datasetsリストに格納します。

  • データの整形: 各行はタスク（task_id, input, eval_aspectなど）を含むJSON形式です。

  • 注意点: このコードではファイルが環境に応じて適切にアップロードされている前提で動作します。各環境に応じたファイルのアップロード方法を確認してください。

  • 補足

    • JSON Lines形式：1行1つのJSONデータで構成される形式で、構造化されたデータを効率よく処理できます
# データセットの読み込み
datasets = []
with open("./elyza-tasks-100-TV_0.jsonl", "r") as f:
    item = "" # 長いJSONデータが複数行にまたがる可能性があるため、一時的にデータを格納
    for line in f:
      line = line.strip()
      item += line # 長いJSONデータが複数行にわたる場合、1つの行として正しく処理するため
      if item.endswith("}"): # JSONデータが完全に1つの塊になったときに処理
        datasets.append(json.loads(item)) # JSON形式に変換してリストに追加
        item = "" # 次のデータを読み込む準備

この部分では、推論に使用するデータセット（JSON Lines形式）を読み込んでリスト（datasets）に格納しています。

  • 各行が1つのタスクデータ（task_id, input, eval_aspect）として整形されます。

5.推論処理

ここでは、モデルを使ってデータセットに対する推論を実行します。

  • プロンプトの構成: 各入力（input）に対して、以下の形式でプロンプトを生成します。
### 指示
{input}
### 回答：

  • トークナイザーの利用: tokenizer.encode()を用いてプロンプトをトークン化し、model.generate()で推論を実行します。

  • 推論結果の取得: モデルの出力をデコードし、結果をresultsリストに格納します。

  • 推論の設定: 以下のパラメータを設定して推論を行います。

    • max_new_tokens=512: 最大生成トークン数（少し長めの出力を想定）。
    • do_sample=False: 決定論的生成（確率的なサンプリングは無効）。
    • repetition_penalty=1.2: 同じトークンの繰り返しを抑制し、出力の多様性を向上。
# llmjp
results = []
for data in tqdm(datasets):

  input = data["input"]

  prompt = f"""### 指示
  {input}
  ### 回答：
  """

  tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device)
  with torch.no_grad():
      outputs = model.generate(
          tokenized_input,
          max_new_tokens=512,
          do_sample=False,
          repetition_penalty=1.2
      )[0]
  output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)

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

6.推論結果の保存

推論結果をJSON Lines形式でファイルに保存します。提出用フォーマットに準じた形式です。

  • 結果の形式:

    • 必須項目: task_id, output
    • inputとeval_aspectも含まれますが、必須ではありません。

  • 保存先: 推論結果は、モデル名を基にしたファイル名（例: `"llm-jp-3-13b-finetune-outputs.jsonl"）で、スクリプトと同じディレクトリに保存されます。

  • 注意点: 出力ファイルはUTF-8エンコーディングで保存されます。非ASCII文字も適切に処理されます。

import re
model_name = re.sub(".*/", "", model_name)
with open(f"./{model_name}-outputMT512.jsonl", 'w', encoding='utf-8') as f:
    for result in results:
        json.dump(result, f, ensure_ascii=False)  # ensure_ascii=False for handling non-ASCII characters
        f.write('\n')

この部分では、推論結果をJSON Lines形式でファイルに保存しています。

  • ファイル名はモデル名-outputMT512.jsonlの形式です。（512は最大生成トークン数）
  • 日本語など非ASCII文字を正確に保存するため、ensure_ascii=Falseを設定しています。

Conclusion

このテンプレートを使用して、Hugging Faceのモデルを用いてELYZA-tasks-100-TVの出力を得るための推論を実行しました。以下の手順を経て、提出用のJSON Linesファイルを作成：

  1. ライブラリのインストール: 必要なライブラリをインストールし、推論に必要な環境を整備しました。
  2. モデルの読み込み: Hugging Face HubからFine-Tunedモデルをロードしました。
  3. データセットの読み込み: 推論に使用するデータセットを読み込みました。
  4. 推論処理: モデルを使ってデータセットの各タスクに対して推論を実行しました。なお、本テンプレートでは、推論時の多様性調整としてdo_sample=Falseを採用しており、top_pやtemperatureの設定は行っていません。必要に応じて、生成の多様性向上や特定の出力制御にtop_pやtemperatureを利用できます。これらの設定は、gemmaモデル（長めの出力に適した設計）やllmjpモデル（短い出力に適した設計）の特性と合わせて調整すると効果的です。
  5. 結果の保存: 結果をjsonl形式で保存し、提出に適した形式に整えました。
Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model is not currently available via any of the supported third-party Inference Providers, and HF Inference API was unable to determine this model’s pipeline type.

Model tree for yf591/llm-jp-3-13b-it-1

Base model

llm-jp/llm-jp-3-13b
Finetuned
(1124)
this model