File size: 2,523 Bytes
890f05c e43226d 3609a06 e43226d |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 |
---
license: cc-by-sa-4.0
---
# Tora_4B
- **rinna/bilingual-gpt-neox-4b-instruction-sft**に、1,000,000件の和訳タスクのデータセットをフルパラメータファインチューニングしたモデルです。
- **izumi-lab/llm-japanese-dataset**から翻訳タスクのデータセットを抽出し、学習に使用しました。
- 日英翻訳タスクのデータセットを英日翻訳タスクに修正しました。
- 日本語から英語への変換(日英翻訳)には対応していません。
- [ryota39/bilingual-gpt-neox-4b-instruction-sft-en-ja-84k](https://huggingface.co/ryota39/bilingual-gpt-neox-4b-instruction-sft-en-ja-84k)も公開しておりますのでご覧ください。
# 学習
- ハードウェア: 1 x NVIDIA RTX A6000(VRAM48GB)
- 使用VRAM: 32~34GB
- 学習時間: 3h 22m 3s
- train/epoch: 4
- train/loss: 1.0551
- eval/loss: 1.550597071647644
- optimizer: Adam
- learning_rate: 1.5e-4
- lr_scheduler_type: "cosine"
- warmup_steps: 2400
# 学習結果
# コード
```python
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("rinna/bilingual-gpt-neox-4b-instruction-sft", use_fast=False)
model = AutoModelForCausalLM.from_pretrained("ryota39/Tora_4B")
if torch.cuda.is_available():
model = model.to("cuda")
prompt = list()
prompt.append("指示: 以下の英語を日本語に翻訳してください。")
prompt.append("ユーザー: He delivers a presentation under the title of Stress levels estimation from facial video based on non-contact measurement of pulse wave.")
prompt.append("システム: ")
prompt = '\n'.join(prompt)
print(prompt)
token_ids = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt")
with torch.no_grad():
output_ids = model.generate(
token_ids.to(model.device),
max_new_tokens=512,
do_sample=False,
temperature=0.7,
top_p=0.85,
pad_token_id=tokenizer.pad_token_id,
bos_token_id=tokenizer.bos_token_id,
eos_token_id=tokenizer.eos_token_id
)
output = tokenizer.decode(output_ids.tolist()[0][token_ids.size(1):])
print(output)
# 彼は、顔のビデオから心拍数と心拍間隔を推定する方法について話した。
```
|