Polyglot Ko 12.8b Instruct

🚀 多語言韓語 128 億參數指令模型

本模型是 EleutherAI/polyglot-ko-12.8b 在指令跟隨數據集（260k）上的微調版本。

🚀 快速開始

✨ 主要特性

本模型基於 EleutherAI/polyglot-ko-12.8b 進行微調，在特定的指令跟隨數據集上訓練，能夠更好地遵循用戶指令進行回覆。

📦 安裝指南

文檔未提及安裝步驟，此處跳過。

💻 使用示例

基礎用法

import torch
from transformers import pipeline, AutoModelForCausalLM

MODEL = 'etri-xainlp/polyglot-ko-12.8b-instruct'

model = AutoModelForCausalLM.from_pretrained(
    MODEL,
    torch_dtype=torch.float16,
    low_cpu_mem_usage=True,
).to(device=f"cuda", non_blocking=True)
model.eval()

pipe = pipeline(
    'text-generation', 
    model=model,
    tokenizer=MODEL,
    device=0
)
pipe.model.config.pad_token_id = pipe.model.config.eos_token_id

def ask(x, context='', is_input_full=False):
    ans = pipe(
        f"### 질문: {x}\n\n### 맥락: {context}\n\n### 답변:" if context else f"### 질문: {x}\n\n### 답변:", 
        do_sample=True, 
        max_new_tokens=2048,
        temperature=0.9,
        top_p=0.9,
        return_full_text=False,
        eos_token_id=2,
    )
    return ans[0]['generated_text']

while True:
    quit = input('prompt?: ')
    if quit == 'q':
        break
    else:
        generation = ask(quit)
        print("etri_ai:", generation)

📚 詳細文檔

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率（learning_rate）：5e-05
• 訓練批次大小（train_batch_size）：1
• 隨機種子（seed）：42
• 分佈式類型（distributed_type）：多 GPU（A100 80G）
• 設備數量（num_devices）：8
• 梯度累積步數（gradient_accumulation_steps）：64
• 總訓練批次大小（total_train_batch_size）：512
• 總評估批次大小（total_eval_batch_size）：64
• 優化器（optimizer）：Adam，β1 = 0.9，β2 = 0.999，ε = 1e-08
• 學習率調度器類型（lr_scheduler_type）：線性
• 訓練輪數（num_epochs）：5.0

推理

上述代碼示例展示瞭如何使用該模型進行推理。

🔧 技術細節

框架版本

• Transformers：4.30.2
• Pytorch：2.0.1+cu118
• Datasets：2.13.1
• Tokenizers：0.13.3

📄 許可證

本模型使用 Apache-2.0 許可證。