File size: 2,665 Bytes
843083e 7767ff0 843083e 7767ff0 4357171 7767ff0 03fa443 7767ff0 cd98b17 f8f0425 03fa443 f8f0425 4ae7d3f f8f0425 4ae7d3f f8f0425 7767ff0 d747cbc 7767ff0 d747cbc 7767ff0 d747cbc 03fa443 d747cbc 03fa443 7767ff0 d20843d 7767ff0 d747cbc 7767ff0 b23c489 |
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 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 |
---
license: openrail
datasets:
- cc100
language:
- ja
pipeline_tag: text-generation
---
# AIBunCho/japanese-novel-gpt-j-6b
[AI BunCho](https://bun-cho.work/)で利用しているモデルです。2021年に作った小説用言語モデルです。
## Model Details
GPT-J-6BをTPUで2週間日本語tokenizerを用いて日本語データで事前学習し、その後2週間小説データで転移学習したものです。
## Uses
Google colabのT4 High-RAMで動作確認しています。
```
pip install transformers sentencepiece accelerate
```
```python
from transformers import GPTJForCausalLM, AlbertTokenizer
import torch
tokenizer = AlbertTokenizer.from_pretrained('AIBunCho/japanese-novel-gpt-j-6b', keep_accents=True, remove_space=False)
model = GPTJForCausalLM.from_pretrained("AIBunCho/japanese-novel-gpt-j-6b", torch_dtype=torch.float16, low_cpu_mem_usage=True)
model.half()
model.eval()
if torch.cuda.is_available():
model = model.to("cuda")
prompt = """
わたくしといふ現象は
""".strip()
input_ids = tokenizer.encode(
prompt,
add_special_tokens=False,
return_tensors="pt"
).cuda()
# this is for reproducibility.
# feel free to change to get different result
seed = 27
torch.manual_seed(seed)
tokens = model.generate(
input_ids.to(device=model.device),
max_new_tokens=32,
temperature=0.6,
top_p=0.9,
repetition_penalty=1.2,
do_sample=True,
pad_token_id=tokenizer.pad_token_id,
bos_token_id=tokenizer.bos_token_id,
eos_token_id=tokenizer.eos_token_id
)
out = tokenizer.decode(tokens[0], skip_special_tokens=True)
print(out)
"""わたくしといふ現象は、その因果律を断ち切ることができるのです。"""
```
## Bias, Risks, and Limitations
The pre-training dataset may have contained offensive or inappropriate content even after applying data cleansing filters which can be reflected in the model generated text. We recommend users exercise reasonable caution when using these models in production systems. Do not use the model for any applications that may cause harm or distress to individuals or groups.
### Training Data
cc100の日本語データ
Wikipedia
その他webデータ
## Author
X(旧Twitter): [@OsoneHiroyuki](https://twitter.com/OsoneHiroyuki)
## Acknowledgements
[Google TPU research cloud](https://sites.research.google/trc/about/)の支援を受けて学習を行いました。
## Appendix
2023/08/26追記
AIBunCho/japanese-novel-gpt-j-6bの1000DLを記念してAI BunChoプランの50%オフクーポンを配布しています
【HF1000DL】を入力するとどのプランでも50%オフになります
|