Update README.md

README.md

@@ -4,9 +4,9 @@ language:
 pipeline_tag: conversational
 ---
 
-# How to Use
+# How to Use : 
 
-## Load the LoRA model
+## Load the 🦙 Alpaca-LoRA model
 
 ```python
 import torch
@@ -23,3 +23,55 @@ model = LlamaForCausalLM.from_pretrained("decapoda-research/llama-7b-hf",
 # Load the LoRA model
 model = PeftModel.from_pretrained(model, peft_model_id)
 ```
+## Create Prompt Template
+
+```python
+def generate_prompt(instruction, input=None):
+    if input:
+        return f"""Berikut ini adalah petunjuk yang menjelaskan tugas, serta masukan yang menyediakan konteks tambahan. Tulis balasan yang melengkapi permintaan dengan tepat.
+
+Petunjuk:
+{instruction}
+
+Masukan:
+{input}
+
+Output:"""
+
+    else:
+        return f"""Berikut ini terdapat panduan yang menjelaskan tugas. Mohon tuliskan balasan yang melengkapi permintaan dengan tepat.
+
+Panduan:
+{instruction}
+
+Output:"""
+```
+
+## Evaluation
+You are free to change parameters inside `GenerationConfig` to get better result.
+
+```python
+generation_config = GenerationConfig(
+    temperature=0.2,
+    top_p=0.75,
+    num_beams=8
+)
+
+def evaluate(instruction, input=None):
+    prompt = generate_prompt(instruction, input)
+    inputs = tokenizer(prompt, return_tensors="pt")
+    input_ids = inputs["input_ids"].cuda()
+    generation_output = model.generate(
+        input_ids=input_ids,
+        generation_config=generation_config,
+        return_dict_in_generate=True,
+        output_scores=True,
+        max_new_tokens=256
+    )
+    for s in generation_output.sequences:
+        output = tokenizer.decode(s)
+        print("Output:", output.split("Output:")[1].strip())
+
+# input your question/instruction
+evaluate(input("Petunjuk: "))
+```