Gemma 2B Finetuined Pythoncode

🚀 Gemma-2B ファインチューニング済みPythonモデル

Gemma-2B ファインチューニング済みPythonモデルは、Gemma-2Bアーキテクチャに基づく深層学習モデルです。このモデルは、Pythonプログラミングタスクに特化してファインチューニングされており、Pythonコードを理解し、開発者に提案を提供したり、コードスニペットを完成させたり、修正を提供してコードの品質と効率を向上させることができます。

📚 ドキュメント

モデルの詳細

モデルの使用例

• コード補完：部分的な入力に基づいてコードスニペットを自動的に完成させます。
• 構文修正：Pythonコードの構文エラーを特定し、修正提案を提供します。
• コード品質向上：コードの可読性、効率性、保守性を向上させるための提案を提供します。
• デバッグ支援：潜在的なエラーや非効率性を特定して、Pythonコードのデバッグに役立つ洞察と提案を提供します。

📦 インストール

1. Gemma Pythonパッケージのインストール:

    pip install -q -U transformers==4.38.0
    pip install torch
   

💻 使用例

基本的な使用法

# Load model directly
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Mr-Vicky-01/Gemma-2B-Finetuined-pythonCode")
model = AutoModelForCausalLM.from_pretrained("Mr-Vicky-01/Gemma-2B-Finetuined-pythonCode")

query = input('enter a query:')
prompt_template = f"""
<start_of_turn>user based on given instruction create a solution\n\nhere are the instruction {query}
<end_of_turn>\n<start_of_turn>model
"""
prompt = prompt_template
encodeds = tokenizer(prompt, return_tensors="pt", add_special_tokens=True).input_ids

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
model.to(device)
inputs = encodeds.to(device)

# Increase max_new_tokens if needed
generated_ids = model.generate(inputs, max_new_tokens=1000, do_sample=False, pad_token_id=tokenizer.eos_token_id)
ans = ''
for i in tokenizer.decode(generated_ids[0], skip_special_tokens=True).split('<end_of_turn>')[:2]:
    ans += i

# Extract only the model's answer
model_answer = ans.split("model")[1].strip()
print(model_answer)

📄 ライセンス

このモデルはMITライセンスの下で提供されています。