Indic Gemma 7b Finetuned Sft Navarasa 2.0

🚀 Indic-gemma-7b-finetuned-sft-Navarasa-2.0

本模型基於 google/gemma-7b，並在 15 種印度語言和英語的指令數據集上進行了 LoRA 微調。它能夠處理多種印度語言的文本生成任務，為多語言自然語言處理提供了強大的支持。

🚀 快速開始

本模型基於 google/gemma-7b，並在 15 種印度語言和英語的指令數據集上進行了 LoRA 微調。以下是使用該模型的基本信息。

✨ 主要特性

• 多語言支持：支持 15 種印度語言（泰盧固語、英語、泰米爾語等）和英語，能處理多種語言的文本生成任務。
• 高效微調：使用 unsloth 庫進行微調，同時提供了使用該庫的推理代碼，實現更快的推理速度。

📦 安裝指南

!pip install -U xformers --index-url https://download.pytorch.org/whl/cu121
!pip install "unsloth[kaggle-new] @git+https://github.com/unslothai/unsloth.git@nightly"

💻 使用示例

基礎用法

from unsloth import FastLanguageModel
import torch
max_seq_length = 2048
dtype = None # None for auto detection. Float16 for Tesla T4, V100, Bfloat16 for Ampere+
load_in_4bit = False 
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name = "Telugu-LLM-Labs/Indic-gemma-7b-finetuned-sft-Navarasa-2.0",
    max_seq_length = max_seq_length,
    dtype = dtype,
    load_in_4bit = load_in_4bit,
    device_map="auto"
)
FastLanguageModel.for_inference(model) # Enable native 2x faster inference

input_prompt = """
### Instruction:
{}

### Input:
{}

### Response:
{}"""

input_text = input_prompt.format(
        "Tranlsate following sentence to Hindi.", # instruction
        "India is a great country.", # input
        "", # output - leave this blank for generation!
    )

inputs = tokenizer([input_text], return_tensors = "pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens = 300, use_cache = True)
response = tokenizer.batch_decode(outputs)

高級用法

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "Telugu-LLM-Labs/Indic-gemma-7b-finetuned-sft-Navarasa-2.0",
    load_in_4bit = False,
    token = hf_token
)
model.to("cuda")

tokenizer = AutoTokenizer.from_pretrained("Telugu-LLM-Labs/Indic-gemma-7b-finetuned-sft-Navarasa-2.0")

input_prompt = """
### Instruction:
{}

### Input:
{}

### Response:
{}"""

input_text = input_prompt.format(
        "Tranlsate following sentence to Hindi.", # instruction
        "India is a great country.", # input
        "", # output - leave this blank for generation!
    )

inputs = tokenizer([input_text], return_tensors = "pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens = 300, use_cache = True)
response = tokenizer.batch_decode(outputs)[0]

📚 詳細文檔

輸入文本格式

### Instruction: {instruction}

### Input: {input}

## Response: {response}

訓練詳情

• 模型在約 650K 條指令樣本上進行訓練。
• GPU：1 塊 A100，80GB
• 時間：45 小時
• 平臺：E2E Networks

數據集

參考資料

• 示例請參考 博客文章。
• 訓練和推理腳本請查看 代碼倉庫。

開發者

本模型由 Ravi Theja 和 Ramsri Goutham 合作完成。如有任何問題，歡迎隨時聯繫他們。

📄 許可證

• 許可證類型：其他
• 許可證名稱：gemma-terms-of-use
• 許可證鏈接：https://ai.google.dev/gemma/terms