mpasila/Finnish-Alpaca-Tiny
Viewer • Updated • 100 • 18 • 1
How to use mpasila/Finnish-Alpaca-Tiny-V2-LoRA-7B with PEFT:
from peft import PeftModel
from transformers import AutoModelForCausalLM
base_model = AutoModelForCausalLM.from_pretrained("LumiOpen/Viking-7B")
model = PeftModel.from_pretrained(base_model, "mpasila/Finnish-Alpaca-Tiny-V2-LoRA-7B")How to use mpasila/Finnish-Alpaca-Tiny-V2-LoRA-7B with Transformers:
# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("mpasila/Finnish-Alpaca-Tiny-V2-LoRA-7B", device_map="auto")LoRA trained in 4-bit with 2k context using LumiOpen/Viking-7B as the base model for 1 epoch.
Dataset used is mpasila/Finnish-Alpaca-Tiny.
It works relatively well for question and answering.
It uses Alpaca format but with a translated instruction at the start:
{
"instruction,output": "Alla on ohje, jossa kuvataan tehtävä. Kirjoita vastaus, joka täyttää pyynnön asianmukaisesti.\n\n### Instruction:\n%instruction%\n\n### Response:\n%output%",
"instruction,input,output": "Alla on ohje, jossa kuvataan tehtävä ja joka on yhdistetty kontekstia lisäävään syötteeseen. Kirjoita vastaus, joka täyttää pyynnön asianmukaisesti.\n\n### Instruction:\n%instruction%\n\n### Input:\n%input%\n\n### Response:\n%output%"
}
This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.
Base model
LumiOpen/Viking-7B