🚀 Indic-gemma-2b-finetuned-sft-Navarasa-2.0

本模型基于 google/gemma-2b，并在15种印度语言和英语的指令数据集上进行了LoRA微调。它能够处理多种印度语言的文本生成任务，为多语言自然语言处理提供了强大的支持。

🚀 快速开始

本模型基于 google/gemma-2b，并在15种印度语言和英语的指令数据集上进行了LoRA微调。可使用 unsloth 库进行推理，也可以使用HuggingFace库。

✨ 主要特性

• 多语言支持：支持15种印度语言和英语，包括泰卢固语（te）、英语（en）、泰米尔语（ta）等。
• 微调优化：在大量指令样本上进行微调，提升了模型在特定任务上的性能。
• 快速推理：提供了使用 unsloth 库的推理代码，实现更快的推理。

📦 安装指南

!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

基础用法

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-2b-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)

高级用法

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model = AutoModelForCausalLM.from_pretrained(
    "Telugu-LLM-Labs/Indic-gemma-2b-finetuned-sft-Navarasa-2.0",
    load_in_4bit = False,
    token = hf_token
)
model.to("cuda")

tokenizer = AutoTokenizer.from_pretrained("Telugu-LLM-Labs/Indic-gemma-2b-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]

📚 详细文档

输入文本格式

### Instruction: {instruction}

### Input: {input}

## Response: {response}

训练详情

• 训练样本：约650K条指令样本。
• GPU：1个A100，80GB。
• 训练时间：45小时。
• 训练平台：E2E Networks

数据集

• 印地语：ravithejads/samvaad-hi-filtered，HydraIndicLM/hindi_alpaca_dolly_67k（抽样）
• 泰卢固语：Telugu-LLM-Labs/telugu_alpaca_yahma_cleaned_filtered_romanized，Telugu-LLM-Labs/telugu_teknium_GPTeacher_general_instruct_filtered_romanized
• 马拉地语：Telugu-LLM-Labs/sindhi_alpaca_yahma_cleaned_filtered
• 乌尔都语：Telugu-LLM-Labs/urdu_alpaca_yahma_cleaned_filtered
• 阿萨姆语：Telugu-LLM-Labs/assamese_alpaca_yahma_cleaned_filtered
• 孔卡尼语：Telugu-LLM-Labs/konkani_alpaca_yahma_cleaned_filtered
• 尼泊尔语：Telugu-LLM-Labs/nepali_alpaca_yahma_cleaned_filtered
• 信德语：Telugu-LLM-Labs/sindhi_alpaca_yahma_cleaned_filtered
• 泰米尔语：abhinand/tamil-alpaca
• 卡纳达语：Tensoic/airoboros-3.2_kn，Tensoic/gpt-teacher_kn
• 马拉雅拉姆语：VishnuPJ/Alpaca_Instruct_Malayalam
• 古吉拉特语：Tensoic/Alpaca-Gujarati
• 旁遮普语：HydraIndicLM/punjabi_alpaca_52K
• 孟加拉语：HydraIndicLM/bengali_alpaca_dolly_67k（alpaca过滤）
• 奥里亚语：OdiaGenAI/Odia_Alpaca_instructions_52k，OdiaGenAI/gpt-teacher-roleplay-odia-3k
• 英语：yahma/alpaca-cleaned

更多信息

• 示例参考：请参考 博客文章 获取示例。
• 代码仓库：请查看 代码仓库 获取训练和推理脚本。

📄 许可证

本模型使用 gemma-terms-of-use 许可证。

🔧 技术细节

模型信息

开发者

本模型由 Ravi Theja 和 Ramsri Goutham 合作开发。如有任何问题，请随时联系他们。