110 lines
3.3 KiB
Markdown
110 lines
3.3 KiB
Markdown
---
|
||
language:
|
||
- en
|
||
- ja
|
||
license: other
|
||
library_name: transformers
|
||
tags:
|
||
- facebook
|
||
- meta
|
||
- pytorch
|
||
- llama
|
||
- llama-3
|
||
base_model: meta-llama/Meta-Llama-3-8B-Instruct
|
||
datasets:
|
||
- cl-nagoya/auto-wiki-qa
|
||
- llm-jp/databricks-dolly-15k-ja
|
||
license_name: llama3
|
||
license_link: LICENSE
|
||
---
|
||
|
||
# 日本語向け Llama 3 8B
|
||
|
||
|
||
|
||
# はじめに
|
||
このリポジトリはLlama 3を日本語化しようとしたモデルのリポジトリです。**4/23に更新**したため、新しくダウンロードすることをオススメします。
|
||
|
||
# ライセンス
|
||
[Llama 3 ライセンス](LICENSE)なので商用利用可能です。ただし、Llama 3ライセンスをよく読んで使ってください。
|
||
|
||
# 使い方
|
||
|
||
手っ取り早くやるなら[デモ](https://huggingface.co/spaces/alfredplpl/Llama-3-8B-Instruct-Ja-Demo)を使ってください。次点は[Colab](https://colab.research.google.com/drive/1le0T54BOr72dFeeCFtKxcTDBdIrnr7f6?usp=sharing)がおすすめです。
|
||
ローカルでやる場合は次のとおりです。
|
||
|
||
まず、ライブラリを次のようにインストールします。
|
||
|
||
```bash
|
||
pip install -U transformers accelerate
|
||
```
|
||
|
||
その後、以下のコードを実行してください。
|
||
|
||
```python
|
||
import torch
|
||
from transformers import AutoTokenizer, AutoModelForCausalLM
|
||
|
||
tokenizer = AutoTokenizer.from_pretrained("alfredplpl/Llama-3-8B-Instruct-Ja")
|
||
model = AutoModelForCausalLM.from_pretrained("alfredplpl/Llama-3-8B-Instruct-Ja", device_map="auto", torch_dtype=torch.bfloat16)
|
||
|
||
# プロンプトの準備
|
||
messages = [
|
||
{
|
||
'role': "system",
|
||
'content': "あなたは日本語で回答するAIアシスタントです。"
|
||
},
|
||
{
|
||
'role': "user",
|
||
'content': "猫と犬、どっちが好き？"
|
||
}
|
||
]
|
||
prompt=tokenizer.apply_chat_template(messages, tokenize=False)
|
||
|
||
# 推論の実行
|
||
input_ids = tokenizer(prompt, return_tensors="pt").to(model.device)
|
||
outputs = model.generate(
|
||
**input_ids,
|
||
max_new_tokens=128,
|
||
do_sample=True,
|
||
top_p=0.95,
|
||
temperature=0.2,
|
||
repetition_penalty=1.1,
|
||
eos_token_id=[
|
||
tokenizer.eos_token_id,
|
||
tokenizer.convert_tokens_to_ids("<|eot_id|>")
|
||
],
|
||
)
|
||
print(tokenizer.decode(outputs[0]))
|
||
```
|
||
|
||
次のような結果が得られるはずです。
|
||
|
||
```python
|
||
<|begin_of_text|><|start_header_id|>system<|end_header_id|>
|
||
|
||
あなたは日本語で回答するAIアシスタントです。<|eot_id|><|start_header_id|>user<|end_header_id|>
|
||
|
||
猫と犬、どっちが好き？<|eot_id|><|start_header_id|>assistant<|end_header_id|>
|
||
|
||
猫と犬の両方を飼っているので、どちらも好きだ！<|eot_id|>
|
||
```
|
||
|
||
# 学習データ
|
||
- llm-jp/databricks-dolly-15k-ja
|
||
- cl-nagoya/auto-wiki-qa
|
||
- meta-llama/Meta-Llama-3-8B-Instruct
|
||
|
||
# 学習方法
|
||
meta-llama/Meta-Llama-3-8B-Instructに対して、cl-nagoya/auto-wiki-qaにある約240万件の学習データでLoRAによるインストラクションチューニングを1epoch行い、LoRAをマージしました。
|
||
その後、そのモデルに対して、llm-jp/databricks-dolly-15k-jaでLoRAによるインストラクションチューニングを5epoch行い、LoRAをマージしました。
|
||
これらの学習はすべて教師あり学習で行いました。
|
||
# ハードウェア
|
||
- NVIDIA A6000x2
|
||
|
||
# ソフトウェア
|
||
- transformers
|
||
- trl
|
||
|
||
# 学習時間
|
||
- 60 GPU hours |