数据集：

• dominguesm/Canarim-Instruct-PTBR-Dataset 库名称：adapter-transformers 任务标签：文本生成 语言：
• 葡萄牙语
• 英语 缩略图：https://blog.cobasi.com.br/wp-content/uploads/2022/08/AdobeStock_461738919.webp

小焦糖

适配器说明

本适配器通过PEFT库创建，采用QLoRA方法对基础模型Falcon-7b进行金丝雀数据集微调。

模型描述

Falcon 7B

使用场景与限制

待补充

训练与评估数据

待补充

训练结果

使用方法

import torch
from peft import PeftModel, PeftConfig
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig, GenerationConfig

peft_model_id = "Bruno/Caramelinho"

config = PeftConfig.from_pretrained(peft_model_id)
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.float16,
)

tokenizer = AutoTokenizer.from_pretrained(peft_model_id)

model = AutoModelForCausalLM.from_pretrained(config.base_model_name_or_path,
                                             return_dict=True,
                                             quantization_config=bnb_config, 
                                             trust_remote_code=True, 
                                             device_map={"": 0})
prompt_input = "以下是一个描述任务的声明，附带提供更多背景信息的输入。请编写正确完成请求的响应。\n\n### 指令:\n{instruction}\n\n### 输入:\n{input}\n\n### 响应:\n"
prompt_no_input = "以下是一个描述任务的指令。请编写正确完成请求的响应。\n\n### 指令:\n{instruction}\n\n### 响应:\n"

def create_prompt(instruction, input=None):
    if input:
        return prompt_input.format(instruction=instruction, input=input)
    else:
        return prompt_no_input.format(instruction=instruction)

def generate(
        instruction,
        input=None,
        max_new_tokens=128,
        temperature=0.1,
        top_p=0.75,
        top_k=40,
        num_beams=4,
        repetition_penalty=1.7,
        max_length=512
):
    prompt = create_prompt(instruction, input)
    inputs = tokenizer.encode_plus(prompt, return_tensors="pt", truncation=True, max_length=max_length, padding="longest")
    input_ids = inputs["input_ids"].to("cuda")
    attention_mask = inputs["attention_mask"].to("cuda")

    generation_output = model.generate(
        input_ids=input_ids,
        attention_mask=attention_mask,
        max_length=max_length,
        pad_token_id=tokenizer.pad_token_id,
        eos_token_id=tokenizer.eos_token_id,
        temperature=temperature,
        top_p=top_p,
        top_k=top_k,
        num_beams=num_beams,
        repetition_penalty=repetition_penalty,
        length_penalty=0.8,
        early_stopping=True,
        output_scores=True,
        return_dict_in_generate=True
    )

    output = tokenizer.decode(generation_output.sequences[0], skip_special_tokens=True)
    return output.split("### 响应:")[1]

instruction = "描述量子计算机的工作原理"
print("指令:", instruction)
print("响应:", generate(instruction))

### 输出示例

指令：描述量子计算机的工作原理
响应：
量子计算机是基于量子力学原理构建的计算机类型。这类计算机能在极短时间内完成复杂的数学运算。

### 框架版本
- Transformers 4.30.0.dev0
- Pytorch 2.0.1+cu118
- Datasets 2.12.0
- Tokenizers 0.13.3