metadata

library_name: transformers
tags:
  - unsloth
  - trl
  - sft
datasets:
  - mintaeng/llm_futsaldata_yo
license: apache-2.0
language:
  - ko

FUT FUT CHAT BOT

오픈소스 모델에 LLM fine tuning 과 RAG 를 적용한 생성형 AI
풋살에 대한 관심이 높아지면서 수요 대비 입문자를 위한 정보 제공 서비스가 필요하다고 느껴 제작하게 됨
풋살 플랫폼에 사용되는 풋살 정보 도우미 챗봇
'해요체'로 답하며 문장 끝에 '얼마든지 물어보세요~ 풋풋~!' 을 출력함
train for 7h23m

HOW TO USE

  
  #!pip install transformers==4.40.0 accelerate
  import os
  import torch
  from transformers import AutoTokenizer, AutoModelForCausalLM
  
  model_id = 'Dongwookss/small_fut_final'
  
  tokenizer = AutoTokenizer.from_pretrained(model_id)
  model = AutoModelForCausalLM.from_pretrained(
      model_id,
      torch_dtype=torch.bfloat16,
      device_map="auto",
  )
  model.eval()

Query

from transformers import TextStreamer
PROMPT = '''Below is an instruction that describes a task. Write a response that appropriately completes the request.
제시하는 context에서만 대답하고 context에 없는 내용은 모르겠다고 대답해'''

messages = [
    {"role": "system", "content": f"{PROMPT}"},
    {"role": "user", "content": f"{instruction}"}
    ]

input_ids = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt"
).to(model.device)

terminators = [
    tokenizer.eos_token_id,
    tokenizer.convert_tokens_to_ids("<|eot_id|>")
]

text_streamer = TextStreamer(tokenizer)
_ = model.generate(
    input_ids,
    max_new_tokens=4096,
    eos_token_id=terminators,
    do_sample=True,
    streamer = text_streamer,
    temperature=0.6,
    top_p=0.9,
    repetition_penalty = 1.1
)

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

Developed by: Dongwookss
Model type: text generation
Language(s) (NLP): Korean
Finetuned from model : HuggingFaceH4/zephyr-7b-beta

Data

https://huggingface.co/datasets/mintaeng/llm_futsaldata_yo

학습 데이터셋은 beomi/KoAlpaca-v1.1a 를 베이스로 추가, 구축, 전처리 진행한 23.5k 데이터로 튜닝하였습니다. 데이터셋은 instruction, input, output 으로 구성되어 있으며 tuning 목표에 맞게 말투 수정하였습니다. 도메인 정보에 대한 데이터 추가하였습니다.

Training & Result

Training Procedure

LoRA와 SFT Trainer 방식을 사용하였습니다.

Training Hyperparameters

Training regime: bf16 mixed precision

  r=32,
  lora_alpha=64,  #  QLoRA : alpha = r/2 // LoRA : alpha =r*2
  lora_dropout=0.05, 
  target_modules=[
  "q_proj",
  "k_proj",
  "v_proj",
  "o_proj",
  "gate_proj",
  "up_proj",
  "down_proj",
  ],  # 타겟 모듈

Result

https://github.com/lucide99/Chatbot_FutFut

Environment

L4 GPU