metadata
license: apache-2.0
inference: false
language: ja
概要
「LOCAL AI HACKATHON」における、チームDataPilot,4つめの成果品です。Line社が開発した「japanese-large-lm-3.6b-instruction-sft」をウィキブックの内容をもとに中学、高校範囲にてファインチューニングを行いました。 それに加え、saldra/sakura_japanese_datasetでインストラクションチューニングを行いました。
how to use
#pip install transformer
#pip install pipline
#pip install protobu
#pip install accelerate
#pip install sentencepiece
#pip install torch
#以上6つをピップインストールしてください。
import torch
from transformers import AutoModelForSequenceClassification
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
model = AutoModelForCausalLM.from_pretrainedmodel = AutoModelForCausalLM.from_pretrained("DataPilot/ArrowSmartPlus_3.6B_instruction")
tokenizer = AutoTokenizer.from_pretrained("DataPilot/ArrowSmartPlus_3.6B_instruction")
generator = pipeline("text-generation", model=model, tokenizer=tokenizer, device=0)
torch.cuda.empty_cache()
input_text = """有機物とは"""
text = generator(
f"ユーザー: {input_text} システム: ",
max_length = 100,
do_sample = True,
temperature = 0.7,
top_p = 0.9,
top_k = 0,
repetition_penalty = 1.1,
num_beams = 1,
pad_token_id = tokenizer.pad_token_id,
num_return_sequences = 1,
)
print(text)
トークン化:
ユニグラム言語モデルとバイトフォールバックを備えたセンテンスピーストークナイザー(sentencepiece tokenizer)を使用します。日本語トークナイザーによる事前トークン化は適用されません。したがって、ユーザーは生の文をトークナイザーに直接フィードできます。
ライセンス：
当LLMはオープンソースソフトウェアです。詳しくは下記のリンクをご覧ください。 https://www.apache.org/licenses/LICENSE-2.0
謝辞：
機材を貸していただいた Witnessさん 、このような機会を与えてくださった さるどらさん 、その他助言を与えてくださった「ローカルLLMに向き合う会」のみなさま、そしてすべての関係者の皆様に感謝を申し上げます。
witnessさん： https://twitter.com/i_witnessed_it
さるどらさん： https://twitter.com/sald_ra
ローカルLLMに向き合う会： https://discord.com/invite/VuYCYkYaHK