mirror of
https://github.com/marvinscham/masterthesis-playground.git
synced 2026-03-22 08:22:43 +01:00
RAFT attempts and fixes
This commit is contained in:
@@ -29,8 +29,9 @@ from peft import PeftModel
|
|||||||
from transformers import AutoModelForCausalLM
|
from transformers import AutoModelForCausalLM
|
||||||
|
|
||||||
# Paths
|
# Paths
|
||||||
DATA_JSONL = Path("./outputs/raft_dataset.jsonl") # change if different
|
# DATA_JSONL = Path("./outputs/raft_dataset.jsonl") # change if different
|
||||||
RUN_NAME = "raft_qlora_tourist_0.2"
|
DATA_JSONL = Path("../raft/bali_culture_raft_dataset.jsonl")
|
||||||
|
RUN_NAME = "raft_qlora_tourist"
|
||||||
OUTPUT_DIR = Path(f"./finetuned/{RUN_NAME}")
|
OUTPUT_DIR = Path(f"./finetuned/{RUN_NAME}")
|
||||||
OUTPUT_DIR.mkdir(parents=True, exist_ok=True)
|
OUTPUT_DIR.mkdir(parents=True, exist_ok=True)
|
||||||
ADAPTER_DIR = OUTPUT_DIR / "lora_adapter"
|
ADAPTER_DIR = OUTPUT_DIR / "lora_adapter"
|
||||||
|
|||||||
677
raft/nb_raft_finetune_qlora_2.py
Normal file
677
raft/nb_raft_finetune_qlora_2.py
Normal file
@@ -0,0 +1,677 @@
|
|||||||
|
# ---
|
||||||
|
# jupyter:
|
||||||
|
# jupytext:
|
||||||
|
# text_representation:
|
||||||
|
# extension: .py
|
||||||
|
# format_name: percent
|
||||||
|
# format_version: '1.3'
|
||||||
|
# jupytext_version: 1.18.0
|
||||||
|
# kernelspec:
|
||||||
|
# display_name: .venv
|
||||||
|
# language: python
|
||||||
|
# name: python3
|
||||||
|
# ---
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# # QLoRA/RAFT Fine-Tuning
|
||||||
|
#
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## Configuration
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
from termcolor import colored
|
||||||
|
from pathlib import Path
|
||||||
|
from transformers import BitsAndBytesConfig
|
||||||
|
from torch import torch
|
||||||
|
from peft import PeftModel
|
||||||
|
from transformers import AutoModelForCausalLM
|
||||||
|
|
||||||
|
# Paths
|
||||||
|
DATA_JSONL = Path("../raft/remap_bali_raft_dataset.jsonl") # change if different
|
||||||
|
RUN_NAME = "raft_qlora_tourist"
|
||||||
|
OUTPUT_DIR = Path(f"./finetuned/{RUN_NAME}")
|
||||||
|
OUTPUT_DIR.mkdir(parents=True, exist_ok=True)
|
||||||
|
ADAPTER_DIR = OUTPUT_DIR / "checkpoint-1550"
|
||||||
|
|
||||||
|
# Base model — examples: "meta-llama/Llama-3.1-8B", "Qwen/Qwen2-7B-Instruct", "mistralai/Mistral-7B-Instruct-v0.3"
|
||||||
|
# Prefer an instruction-tuned base for better stability on SFT.
|
||||||
|
BASE_MODEL = "mistralai/Mistral-7B-Instruct-v0.3"
|
||||||
|
|
||||||
|
# Tokenization/prompt formatting
|
||||||
|
SYSTEM_PREFIX = "You are a helpful assistant. Answer concisely and truthfully based ONLY on the user's request."
|
||||||
|
USE_CHAT_TEMPLATE = True # if the tokenizer has a chat template, we'll leverage it
|
||||||
|
|
||||||
|
# BitsAndBytes config
|
||||||
|
BNB_CONFIG = BitsAndBytesConfig(
|
||||||
|
load_in_4bit=True,
|
||||||
|
bnb_4bit_use_double_quant=True,
|
||||||
|
bnb_4bit_quant_type="nf4",
|
||||||
|
bnb_4bit_compute_dtype=torch.bfloat16,
|
||||||
|
)
|
||||||
|
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 2) Load dataset (JSONL)
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
import json
|
||||||
|
import random
|
||||||
|
from datasets import Dataset
|
||||||
|
|
||||||
|
|
||||||
|
def read_jsonl(p: Path):
|
||||||
|
rows = []
|
||||||
|
with p.open("r", encoding="utf-8") as f:
|
||||||
|
for line in f:
|
||||||
|
line = line.strip()
|
||||||
|
if not line:
|
||||||
|
continue
|
||||||
|
try:
|
||||||
|
obj = json.loads(line)
|
||||||
|
if "input" in obj and "output" in obj:
|
||||||
|
rows.append(obj)
|
||||||
|
except Exception:
|
||||||
|
pass
|
||||||
|
return rows
|
||||||
|
|
||||||
|
|
||||||
|
rows = read_jsonl(DATA_JSONL)
|
||||||
|
print(f"Loaded {len(rows)} rows from {DATA_JSONL}")
|
||||||
|
print(rows[0])
|
||||||
|
|
||||||
|
random.Random(42).shuffle(rows)
|
||||||
|
split = int(len(rows) * 0.85)
|
||||||
|
train_rows = rows[:split]
|
||||||
|
val_rows = rows[split:] if split < len(rows) else rows[-max(1, len(rows) // 50) :]
|
||||||
|
|
||||||
|
train_rows = [{"input": r["input"], "output": r["output"]} for r in train_rows]
|
||||||
|
val_rows = [{"input": r["input"], "output": r["output"]} for r in val_rows]
|
||||||
|
|
||||||
|
train_ds = Dataset.from_list(train_rows)
|
||||||
|
eval_ds = Dataset.from_list(val_rows) if val_rows else None
|
||||||
|
train_ds, eval_ds
|
||||||
|
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 3) Prompt formatting
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
from transformers import AutoTokenizer
|
||||||
|
|
||||||
|
tokenizer = AutoTokenizer.from_pretrained(BASE_MODEL, use_fast=True)
|
||||||
|
tokenizer.pad_token = tokenizer.eos_token
|
||||||
|
|
||||||
|
print(colored("Verifying eos and pad tokens...", "yellow"))
|
||||||
|
if tokenizer.pad_token_id != 2:
|
||||||
|
print(colored(f"Expected pad token to be 2, but got {tokenizer.pad_token}", "red"))
|
||||||
|
else:
|
||||||
|
print(colored("Pad token is ok", "green"))
|
||||||
|
|
||||||
|
if tokenizer.eos_token_id != 2:
|
||||||
|
print(colored(f"Expected eos token to be 2, but got {tokenizer.eos_token}", "red"))
|
||||||
|
else:
|
||||||
|
print(colored("Eos token is ok", "green"))
|
||||||
|
|
||||||
|
|
||||||
|
def format_example(ex):
|
||||||
|
user = ex["input"]
|
||||||
|
assistant = ex["output"]
|
||||||
|
|
||||||
|
messages = [
|
||||||
|
{"role": "system", "content": SYSTEM_PREFIX},
|
||||||
|
{"role": "user", "content": user},
|
||||||
|
{"role": "assistant", "content": assistant},
|
||||||
|
]
|
||||||
|
text = tokenizer.apply_chat_template(
|
||||||
|
messages, tokenize=False, add_generation_prompt=False
|
||||||
|
)
|
||||||
|
return {"text": text}
|
||||||
|
|
||||||
|
|
||||||
|
train_ds_fmt = train_ds.map(format_example, remove_columns=train_ds.column_names)
|
||||||
|
eval_ds_fmt = (
|
||||||
|
eval_ds.map(format_example, remove_columns=eval_ds.column_names)
|
||||||
|
if eval_ds
|
||||||
|
else None
|
||||||
|
)
|
||||||
|
|
||||||
|
for i in range(10):
|
||||||
|
print("👉 " + train_ds_fmt[i]["text"])
|
||||||
|
if train_ds_fmt[i]["text"][-4:] == tokenizer.eos_token:
|
||||||
|
print(f"✅ {colored('EOS is fine.', 'green')}")
|
||||||
|
else:
|
||||||
|
print(f"❌ {colored('EOS is missing.', 'red')}")
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 4) Tokenize
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
IGNORE_INDEX = -100
|
||||||
|
|
||||||
|
|
||||||
|
def make_supervised_tensors(batch):
|
||||||
|
enc = tokenizer(
|
||||||
|
batch["text"],
|
||||||
|
truncation=True,
|
||||||
|
max_length=2048,
|
||||||
|
padding="max_length",
|
||||||
|
return_tensors=None,
|
||||||
|
)
|
||||||
|
input_ids = enc["input_ids"]
|
||||||
|
attn_mask = enc["attention_mask"]
|
||||||
|
|
||||||
|
# Mask pads
|
||||||
|
labels = [ids[:] for ids in input_ids]
|
||||||
|
for i in range(len(labels)):
|
||||||
|
for j, m in enumerate(attn_mask[i]):
|
||||||
|
if m == 0:
|
||||||
|
labels[i][j] = IGNORE_INDEX
|
||||||
|
|
||||||
|
return {"input_ids": input_ids, "attention_mask": attn_mask, "labels": labels}
|
||||||
|
|
||||||
|
|
||||||
|
train_tok = train_ds_fmt.map(
|
||||||
|
make_supervised_tensors, batched=True, remove_columns=train_ds_fmt.column_names
|
||||||
|
)
|
||||||
|
eval_tok = (
|
||||||
|
eval_ds_fmt.map(
|
||||||
|
make_supervised_tensors, batched=True, remove_columns=eval_ds_fmt.column_names
|
||||||
|
)
|
||||||
|
if eval_ds_fmt
|
||||||
|
else None
|
||||||
|
)
|
||||||
|
|
||||||
|
train_tok, eval_tok
|
||||||
|
|
||||||
|
train_ds_fmt["text"][0]
|
||||||
|
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## Setup sanity check
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
import transformers
|
||||||
|
import peft
|
||||||
|
import bitsandbytes as bnb
|
||||||
|
from bitsandbytes.nn import modules as bnb_modules
|
||||||
|
|
||||||
|
print(colored("Sanity check...", "yellow"))
|
||||||
|
print("CUDA available:", torch.cuda.is_available())
|
||||||
|
print("Torch version:", torch.__version__)
|
||||||
|
print("Transformers version:", transformers.__version__)
|
||||||
|
print(
|
||||||
|
"Compute capability:",
|
||||||
|
torch.cuda.get_device_capability(0) if torch.cuda.is_available() else "no cuda",
|
||||||
|
)
|
||||||
|
print("BitsAndbytes:", bnb.__version__)
|
||||||
|
print("PEFT:", peft.__version__)
|
||||||
|
|
||||||
|
|
||||||
|
print("Embedding4bit available:", hasattr(bnb_modules, "Embedding4bit"))
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 5) Load base model with 4-bit quantization and prepare QLoRA
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
from peft import LoraConfig, get_peft_model, prepare_model_for_kbit_training
|
||||||
|
|
||||||
|
model = AutoModelForCausalLM.from_pretrained(
|
||||||
|
BASE_MODEL,
|
||||||
|
quantization_config=BNB_CONFIG,
|
||||||
|
dtype=torch.bfloat16,
|
||||||
|
device_map="auto",
|
||||||
|
)
|
||||||
|
|
||||||
|
model = prepare_model_for_kbit_training(model)
|
||||||
|
|
||||||
|
peft_config = LoraConfig(
|
||||||
|
r=8,
|
||||||
|
lora_alpha=16,
|
||||||
|
lora_dropout=0.05,
|
||||||
|
bias="none",
|
||||||
|
task_type="CAUSAL_LM",
|
||||||
|
target_modules=[
|
||||||
|
"q_proj",
|
||||||
|
"k_proj",
|
||||||
|
"v_proj",
|
||||||
|
"o_proj",
|
||||||
|
"gate_proj",
|
||||||
|
"up_proj",
|
||||||
|
"down_proj",
|
||||||
|
],
|
||||||
|
)
|
||||||
|
|
||||||
|
model = get_peft_model(model, peft_config)
|
||||||
|
model.print_trainable_parameters()
|
||||||
|
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 6) Train
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
from transformers import TrainingArguments, Trainer, DataCollatorForLanguageModeling
|
||||||
|
import math
|
||||||
|
|
||||||
|
data_collator = DataCollatorForLanguageModeling(tokenizer=tokenizer, mlm=False)
|
||||||
|
|
||||||
|
args = TrainingArguments(
|
||||||
|
output_dir=str(OUTPUT_DIR),
|
||||||
|
run_name=RUN_NAME,
|
||||||
|
num_train_epochs=3,
|
||||||
|
per_device_train_batch_size=1,
|
||||||
|
per_device_eval_batch_size=1,
|
||||||
|
gradient_accumulation_steps=8,
|
||||||
|
learning_rate=2e-4,
|
||||||
|
warmup_ratio=0.05,
|
||||||
|
weight_decay=0.01,
|
||||||
|
logging_steps=25,
|
||||||
|
eval_steps=50,
|
||||||
|
save_steps=50,
|
||||||
|
save_total_limit=2,
|
||||||
|
bf16=True,
|
||||||
|
fp16=False,
|
||||||
|
gradient_checkpointing=True,
|
||||||
|
report_to=["none"],
|
||||||
|
seed=42,
|
||||||
|
eval_strategy="steps",
|
||||||
|
load_best_model_at_end=True,
|
||||||
|
)
|
||||||
|
|
||||||
|
trainer = Trainer(
|
||||||
|
model=model,
|
||||||
|
args=args,
|
||||||
|
train_dataset=train_tok,
|
||||||
|
eval_dataset=eval_tok,
|
||||||
|
data_collator=data_collator,
|
||||||
|
)
|
||||||
|
|
||||||
|
train_result = trainer.train()
|
||||||
|
metrics = trainer.evaluate() if eval_tok else {}
|
||||||
|
perplexity = (
|
||||||
|
math.exp(metrics["eval_loss"]) if metrics and "eval_loss" in metrics else None
|
||||||
|
)
|
||||||
|
metrics, perplexity
|
||||||
|
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# | epochs | train_loss | eval_loss |
|
||||||
|
# | ------ | ---------- | --------- |
|
||||||
|
# | 50 | 4.377000 | 3.628506 |
|
||||||
|
# | 100 | 2.636800 | 2.558457 |
|
||||||
|
# | 150 | 2.428800 | 2.427239 |
|
||||||
|
# | 200 | 2.334800 | 2.193493 |
|
||||||
|
# | 250 | 2.188500 | 2.186310 |
|
||||||
|
# | 300 | 2.112400 | 2.173394 |
|
||||||
|
# | 350 | 2.122900 | 2.163947 |
|
||||||
|
# | 400 | 2.155400 | 2.162106 |
|
||||||
|
# | 450 | 2.072100 | 2.154830 |
|
||||||
|
# | 500 | 1.979900 | 2.165512 |
|
||||||
|
# | 550 | 1.935800 | 2.176313 |
|
||||||
|
# | 600 | 1.942800 | 2.170668 |
|
||||||
|
# | 650 | 1.968000 | 2.162810 |
|
||||||
|
# | 700 | 1.974100 | 2.167501 |
|
||||||
|
# | 750 | 1.801900 | 2.235841 |
|
||||||
|
# | 800 | 1.768000 | 2.233753 |
|
||||||
|
# | 850 | 1.779100 | 2.218278 |
|
||||||
|
# | 900 | 1.828900 | 2.220891 |
|
||||||
|
# | 950 | 1.854900 | 2.208387 |
|
||||||
|
# | 1000 | 1.653600 | 2.302763 |
|
||||||
|
# | 1050 | 1.663500 | 2.307982 |
|
||||||
|
# | 1100 | 1.673400 | 2.301423 |
|
||||||
|
# | 1150 | 1.608400 | 2.320958 |
|
||||||
|
# | 1200 | 1.683500 | 2.303580 |
|
||||||
|
# | 1250 | 1.532100 | 2.434277 |
|
||||||
|
# | 1300 | 1.558900 | 2.418276 |
|
||||||
|
# | 1350 | 1.508900 | 2.422347 |
|
||||||
|
# | 1400 | 1.535100 | 2.416650 |
|
||||||
|
# | 1450 | 1.529900 | 2.415497 |
|
||||||
|
#
|
||||||
|
# | Step | Training Loss | Evaluation Loss |
|
||||||
|
# | ---- | ------------- | --------------- |
|
||||||
|
# | 50 | 1.173100 | 1.040235 |
|
||||||
|
# | 100 | 0.882900 | 0.875235 |
|
||||||
|
# | 150 | 0.806600 | 0.820686 |
|
||||||
|
# | 200 | 0.785700 | 0.792914 |
|
||||||
|
# | 250 | 0.764300 | 0.761308 |
|
||||||
|
# | 300 | 0.733900 | 0.745976 |
|
||||||
|
# | 350 | 0.744000 | 0.732220 |
|
||||||
|
# | 400 | 0.712000 | 0.719414 |
|
||||||
|
# | 450 | 0.703800 | 0.709955 |
|
||||||
|
# | 500 | 0.684100 | 0.699460 |
|
||||||
|
# | 550 | 0.705900 | 0.691758 |
|
||||||
|
# | 600 | 0.683200 | 0.688031 |
|
||||||
|
# | 650 | 0.670100 | 0.680539 |
|
||||||
|
# | 700 | 0.681600 | 0.674205 |
|
||||||
|
# | 750 | 0.681500 | 0.671295 |
|
||||||
|
# | 800 | 0.651700 | 0.666133 |
|
||||||
|
# | 850 | 0.662900 | 0.660661 |
|
||||||
|
# | 900 | 0.651400 | 0.656359 |
|
||||||
|
# | 950 | 0.648100 | 0.653309 |
|
||||||
|
# | 1000 | 0.631500 | 0.648716 |
|
||||||
|
# | 1050 | 0.654200 | 0.643737 |
|
||||||
|
# | 1100 | 0.571100 | 0.648199 |
|
||||||
|
# | 1150 | 0.573500 | 0.648405 |
|
||||||
|
# | 1200 | 0.556000 | 0.644185 |
|
||||||
|
# | 1250 | 0.568100 | 0.642854 |
|
||||||
|
# | 1300 | 0.570200 | 0.640425 |
|
||||||
|
# | 1350 | 0.551100 | 0.636319 |
|
||||||
|
# | 1400 | 0.551400 | 0.634054 |
|
||||||
|
# | 1450 | 0.550100 | 0.631558 |
|
||||||
|
# | 1500 | 0.559800 | 0.630046 |
|
||||||
|
# | 1550 | 0.556600 | 0.626972 |
|
||||||
|
#
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 7) Save LoRA adapters
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
ADAPTER_DIR.mkdir(parents=True, exist_ok=True)
|
||||||
|
|
||||||
|
model.save_pretrained(str(ADAPTER_DIR))
|
||||||
|
tokenizer.save_pretrained(str(ADAPTER_DIR))
|
||||||
|
|
||||||
|
print(f"Saved LoRA adapter to: {ADAPTER_DIR}")
|
||||||
|
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 8) Save merged model
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
# this does not work on my system since I don't have enough VRAM.
|
||||||
|
# it should work though provided you have sufficient resources.
|
||||||
|
# my next step would have been to convert the merged model to llama.cpp GGUF format so I can run it in Ollama/OpenWebUI.
|
||||||
|
DO_MERGE = False
|
||||||
|
|
||||||
|
base_model = None
|
||||||
|
if DO_MERGE:
|
||||||
|
base_model = AutoModelForCausalLM.from_pretrained(
|
||||||
|
BASE_MODEL,
|
||||||
|
torch_dtype=torch.bfloat16,
|
||||||
|
device_map="auto",
|
||||||
|
)
|
||||||
|
merged = PeftModel.from_pretrained(
|
||||||
|
base_model, str(ADAPTER_DIR), offload_folder="offload/", is_trainable=False
|
||||||
|
).merge_and_unload()
|
||||||
|
merged_dir = OUTPUT_DIR / "merged_model"
|
||||||
|
merged.save_pretrained(str(merged_dir))
|
||||||
|
tokenizer.save_pretrained(str(merged_dir))
|
||||||
|
print(f"Merged full model saved to: {merged_dir}")
|
||||||
|
else:
|
||||||
|
print("Skipping merge (set DO_MERGE=True to enable).")
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 9) Quick inference with the trained adapter
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
test_model = None
|
||||||
|
|
||||||
|
print(colored("Loading the base model + trained adapter.", "green"))
|
||||||
|
test_model = AutoModelForCausalLM.from_pretrained(
|
||||||
|
BASE_MODEL,
|
||||||
|
quantization_config=BNB_CONFIG,
|
||||||
|
dtype=torch.bfloat16,
|
||||||
|
device_map="auto",
|
||||||
|
)
|
||||||
|
test_model = PeftModel.from_pretrained(
|
||||||
|
test_model, str(ADAPTER_DIR), offload_folder="offload/", is_trainable=False
|
||||||
|
)
|
||||||
|
test_model.eval()
|
||||||
|
|
||||||
|
|
||||||
|
def generate_answer(prompt, max_new_tokens=256, temperature=0.2, top_p=0.9):
|
||||||
|
messages = [
|
||||||
|
{"role": "system", "content": SYSTEM_PREFIX},
|
||||||
|
{"role": "user", "content": prompt},
|
||||||
|
]
|
||||||
|
model_inputs = tokenizer.apply_chat_template(
|
||||||
|
messages, return_tensors="pt", add_generation_prompt=True
|
||||||
|
).to(test_model.device)
|
||||||
|
|
||||||
|
gen_kwargs = {"input_ids": model_inputs}
|
||||||
|
|
||||||
|
with torch.no_grad():
|
||||||
|
out = test_model.generate(
|
||||||
|
**gen_kwargs,
|
||||||
|
do_sample=True,
|
||||||
|
max_new_tokens=max_new_tokens,
|
||||||
|
temperature=temperature,
|
||||||
|
top_p=top_p,
|
||||||
|
eos_token_id=tokenizer.eos_token_id,
|
||||||
|
pad_token_id=tokenizer.pad_token_id,
|
||||||
|
)
|
||||||
|
return tokenizer.decode(out[0], skip_special_tokens=True)
|
||||||
|
|
||||||
|
|
||||||
|
sample_prompt = (
|
||||||
|
train_rows[0]["input"]
|
||||||
|
if len(train_rows) > 0
|
||||||
|
else "What are the visitor crowd levels like?"
|
||||||
|
)
|
||||||
|
|
||||||
|
for i in range(10):
|
||||||
|
print(generate_answer(train_rows[i]["input"])[:800])
|
||||||
|
print("---")
|
||||||
|
|
||||||
|
|
||||||
|
# %%
|
||||||
|
generate_answer("What are the visitor crowd levels like?")
|
||||||
|
|
||||||
|
|
||||||
|
# %%
|
||||||
|
def chat(
|
||||||
|
user, system="You are a precise assistant.", temperature=0.0, max_new_tokens=256
|
||||||
|
):
|
||||||
|
msgs = [
|
||||||
|
{"role": "system", "content": system},
|
||||||
|
{"role": "user", "content": user},
|
||||||
|
]
|
||||||
|
model_inputs = tokenizer.apply_chat_template(
|
||||||
|
msgs, return_tensors="pt", add_generation_prompt=True
|
||||||
|
).to(test_model.device)
|
||||||
|
gen_kwargs = {"input_ids": model_inputs}
|
||||||
|
with torch.no_grad():
|
||||||
|
out = test_model.generate(
|
||||||
|
**gen_kwargs,
|
||||||
|
# **tokenizer(user, return_tensors="pt").to(test_model.device),
|
||||||
|
max_new_tokens=max_new_tokens,
|
||||||
|
do_sample=(temperature > 0),
|
||||||
|
temperature=temperature,
|
||||||
|
top_p=1.0,
|
||||||
|
pad_token_id=tokenizer.pad_token_id,
|
||||||
|
eos_token_id=tokenizer.eos_token_id
|
||||||
|
)
|
||||||
|
return tokenizer.decode(out[0], skip_special_tokens=True)
|
||||||
|
|
||||||
|
|
||||||
|
for i in range(10):
|
||||||
|
prompt = train_rows[i]["input"]
|
||||||
|
out = chat(prompt, max_new_tokens=2000, temperature=0.2)
|
||||||
|
|
||||||
|
print("\n\n💬\n" + out)
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## PoS Gradio setup
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
# === Gradio chat for Mistral-Instruct (no self-replies) ===
|
||||||
|
# Assumes: `test_model` (HF AutoModelForCausalLM + PEFT adapter) and `BASE_MODEL` are defined.
|
||||||
|
|
||||||
|
import torch, threading
|
||||||
|
import gradio as gr
|
||||||
|
from transformers import (
|
||||||
|
AutoTokenizer,
|
||||||
|
TextIteratorStreamer,
|
||||||
|
StoppingCriteria,
|
||||||
|
StoppingCriteriaList,
|
||||||
|
)
|
||||||
|
|
||||||
|
# -- Tokenizer (use BASE model tokenizer) --
|
||||||
|
tokenizer = AutoTokenizer.from_pretrained(BASE_MODEL, use_fast=True)
|
||||||
|
|
||||||
|
# Ensure pad/eos exist and are consistent
|
||||||
|
if tokenizer.pad_token is None and tokenizer.eos_token is not None:
|
||||||
|
tokenizer.pad_token = tokenizer.eos_token
|
||||||
|
elif tokenizer.eos_token is None and tokenizer.pad_token is not None:
|
||||||
|
tokenizer.eos_token = tokenizer.pad_token
|
||||||
|
elif tokenizer.pad_token is None and tokenizer.eos_token is None:
|
||||||
|
tokenizer.add_special_tokens({"eos_token": "</s>"})
|
||||||
|
tokenizer.pad_token = tokenizer.eos_token
|
||||||
|
try:
|
||||||
|
test_model.resize_token_embeddings(len(tokenizer))
|
||||||
|
except Exception:
|
||||||
|
pass
|
||||||
|
|
||||||
|
DEVICE = getattr(test_model, "device", "cuda" if torch.cuda.is_available() else "cpu")
|
||||||
|
SYSTEM_PROMPT = "You are a helpful assistant."
|
||||||
|
|
||||||
|
|
||||||
|
# --- Custom stop: if the model starts a new user turn ([INST]) stop generation immediately.
|
||||||
|
# This prevents the model from “answering its own replies”.
|
||||||
|
class StopOnInst(StoppingCriteria):
|
||||||
|
def __init__(self, tokenizer, trigger_text="[INST]"):
|
||||||
|
self.trigger_ids = tokenizer.encode(trigger_text, add_special_tokens=False)
|
||||||
|
|
||||||
|
def __call__(
|
||||||
|
self, input_ids: torch.LongTensor, scores: torch.FloatTensor, **kwargs
|
||||||
|
) -> bool:
|
||||||
|
if not self.trigger_ids:
|
||||||
|
return False
|
||||||
|
seq = input_ids[0].tolist()
|
||||||
|
tlen = len(self.trigger_ids)
|
||||||
|
if len(seq) < tlen:
|
||||||
|
return False
|
||||||
|
return seq[-tlen:] == self.trigger_ids
|
||||||
|
|
||||||
|
|
||||||
|
STOPPING = StoppingCriteriaList([StopOnInst(tokenizer)])
|
||||||
|
|
||||||
|
|
||||||
|
def _build_inputs(pairs):
|
||||||
|
"""
|
||||||
|
pairs: list of (user, assistant) tuples.
|
||||||
|
We include prior completed assistant replies and the latest user with empty assistant,
|
||||||
|
then ask the model to continue as assistant.
|
||||||
|
"""
|
||||||
|
msgs = [{"role": "system", "content": SYSTEM_PROMPT}]
|
||||||
|
for u, a in pairs:
|
||||||
|
u = (u or "").strip()
|
||||||
|
a = (a or "").strip()
|
||||||
|
if not u and not a:
|
||||||
|
continue
|
||||||
|
if u:
|
||||||
|
msgs.append({"role": "user", "content": u})
|
||||||
|
if a:
|
||||||
|
msgs.append({"role": "assistant", "content": a})
|
||||||
|
|
||||||
|
# Use chat template; many Mistral tokenizers return a single Tensor (input_ids)
|
||||||
|
input_ids = tokenizer.apply_chat_template(
|
||||||
|
msgs, add_generation_prompt=True, return_tensors="pt"
|
||||||
|
)
|
||||||
|
if isinstance(input_ids, torch.Tensor):
|
||||||
|
inputs = {"input_ids": input_ids, "attention_mask": torch.ones_like(input_ids)}
|
||||||
|
else:
|
||||||
|
inputs = input_ids
|
||||||
|
return {k: v.to(DEVICE) for k, v in inputs.items()}
|
||||||
|
|
||||||
|
|
||||||
|
def stream_reply(history_pairs, max_new_tokens=512, temperature=0.7, top_p=0.9):
|
||||||
|
inputs = _build_inputs(history_pairs)
|
||||||
|
|
||||||
|
streamer = TextIteratorStreamer(
|
||||||
|
tokenizer, skip_prompt=True, skip_special_tokens=True
|
||||||
|
)
|
||||||
|
|
||||||
|
gen_kwargs = dict(
|
||||||
|
**inputs,
|
||||||
|
max_new_tokens=max_new_tokens,
|
||||||
|
do_sample=True,
|
||||||
|
temperature=temperature,
|
||||||
|
top_p=top_p,
|
||||||
|
pad_token_id=tokenizer.pad_token_id,
|
||||||
|
eos_token_id=tokenizer.eos_token_id, # Mistral uses </s> as EOS
|
||||||
|
streamer=streamer,
|
||||||
|
stopping_criteria=STOPPING, # <- key fix
|
||||||
|
)
|
||||||
|
|
||||||
|
with torch.inference_mode():
|
||||||
|
t = threading.Thread(target=test_model.generate, kwargs=gen_kwargs)
|
||||||
|
t.start()
|
||||||
|
partial = ""
|
||||||
|
for piece in streamer:
|
||||||
|
partial += piece
|
||||||
|
yield partial
|
||||||
|
t.join()
|
||||||
|
|
||||||
|
|
||||||
|
# --- Gradio handlers ---
|
||||||
|
|
||||||
|
|
||||||
|
def gr_respond(message, chat_history):
|
||||||
|
message = (message or "").strip()
|
||||||
|
chat_history = chat_history or []
|
||||||
|
# Append new user turn with empty assistant; we stream into that slot.
|
||||||
|
chat_history = chat_history + [(message, "")]
|
||||||
|
pairs = [(u or "", a or "") for (u, a) in chat_history]
|
||||||
|
|
||||||
|
for partial in stream_reply(pairs):
|
||||||
|
chat_history[-1] = (message, partial)
|
||||||
|
yield "", chat_history # clears textbox, updates chat
|
||||||
|
|
||||||
|
|
||||||
|
def gr_clear():
|
||||||
|
return None
|
||||||
|
|
||||||
|
|
||||||
|
with gr.Blocks() as demo:
|
||||||
|
gr.Markdown("## 💬 Chat with Touristral")
|
||||||
|
chat = gr.Chatbot(height=200, layout="bubble")
|
||||||
|
with gr.Row():
|
||||||
|
msg = gr.Textbox(placeholder="Type a message and press Enter…", scale=9)
|
||||||
|
send = gr.Button("Send", scale=1)
|
||||||
|
with gr.Row():
|
||||||
|
clear = gr.Button("Clear chat")
|
||||||
|
|
||||||
|
msg.submit(gr_respond, [msg, chat], [msg, chat])
|
||||||
|
send.click(gr_respond, [msg, chat], [msg, chat])
|
||||||
|
clear.click(gr_clear, None, chat, queue=False)
|
||||||
|
|
||||||
|
demo.queue().launch(share=False)
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 10) Light evaluation on the validation set
|
||||||
|
#
|
||||||
|
|
||||||
|
# %%
|
||||||
|
import evaluate
|
||||||
|
|
||||||
|
if eval_ds:
|
||||||
|
rouge = evaluate.load("rouge")
|
||||||
|
preds, refs = [], []
|
||||||
|
for ex in val_rows[:50]:
|
||||||
|
preds.append(generate_answer(ex["input"], max_new_tokens=192, temperature=0.2))
|
||||||
|
refs.append(ex["output"])
|
||||||
|
results = rouge.compute(predictions=preds, references=refs)
|
||||||
|
print(results)
|
||||||
|
else:
|
||||||
|
print("No eval split available; skipped.")
|
||||||
|
|
||||||
|
|
||||||
|
# %% [markdown]
|
||||||
|
# ## 11) (Optional) Use with other runtimes
|
||||||
|
#
|
||||||
|
# - **Python Inference (PEFT)**: Load base model + adapter as shown in Section 9.
|
||||||
|
# - **Merged model**: Set `DO_MERGE=True` to create a standalone model directory; you can then convert to other runtimes (e.g., llama.cpp GGUF) using their conversion tools.
|
||||||
|
# - **Ollama**: If your runtime supports adapters or merged weights for the chosen base model, create a `Modelfile` pointing to them. Need a concrete path? Tell me your base and target runtime and I’ll add exact steps.
|
||||||
|
#
|
||||||
Reference in New Issue
Block a user