---
library_name: transformers
tags:
- unsloth
- trl
- sft
datasets:
- mintaeng/llm_futsaldata_yo
license: apache-2.0
language:
- ko
---
# FUT FUT CHAT BOT

- 오픈소스 모델에 LLM fine tuning 과 RAG 를 적용 
- 풋살에 대한 관심이 높아지면서 수요 대비 입문자를 위한 정보 제공 서비스가 필요하다고 느껴 제작하게 됨
- 풋살 플랫폼에 사용되는 풋살 정보 도우미 챗봇
- '해요체'로 답하며 문장 끝에 '얼마든지 물어보세요~ 풋풋~!' 을 출력함 

## HOW TO USE
``` python
  
  #!pip install transformers==4.40.0 accelerate
  import os
  import torch
  from transformers import AutoTokenizer, AutoModelForCausalLM
  
  model_id = 'Dongwookss/small_fut_final'
  
  tokenizer = AutoTokenizer.from_pretrained(model_id)
  model = AutoModelForCausalLM.from_pretrained(
      model_id,
      torch_dtype=torch.bfloat16,
      device_map="auto",
  )
  model.eval()
  ```

  **Query**

  ```python
  from transformers import TextStreamer
  PROMPT = '''Below is an instruction that describes a task. Write a response that appropriately completes the request.
제시하는 context에서만 대답하고 context에 없는 내용은 모르겠다고 대답해'''
  
  messages = [
      {"role": "system", "content": f"{PROMPT}"},
      {"role": "user", "content": f"{instruction}"}
      ]
  
  input_ids = tokenizer.apply_chat_template(
      messages,
      add_generation_prompt=True,
      return_tensors="pt"
  ).to(model.device)
  
  terminators = [
      tokenizer.eos_token_id,
      tokenizer.convert_tokens_to_ids("<|eot_id|>")
  ]
  
  text_streamer = TextStreamer(tokenizer)
  _ = model.generate(
      input_ids,
      max_new_tokens=4096,
      eos_token_id=terminators,
      do_sample=True,
      streamer = text_streamer,
      temperature=0.6,
      top_p=0.9,
      repetition_penalty = 1.1
  )
  
  ```

## Model Details


### Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.
- **Developed by:** Dongwookss
- **Model type:** text generation
- **Language(s) (NLP):** Korean
- **Finetuned from model :** HuggingFaceH4/zephyr-7b-beta

### Data
https://huggingface.co/datasets/Dongwookss/q_a_korean_futsal

학습 데이터셋은 nlpai-lab/databricks-dolly-15k-ko 를 베이스로 추가, 구축, 전처리 진행한 2.33k 데이터로 튜닝하였습니다.
데이터셋은 instruction, input, output 으로 구성되어 있으며 tuning 목표에 맞게 말투 수정하였습니다.
도메인 정보에 대한 데이터 추가하였습니다.

## Training & Result


### Training Procedure
LoRA와 SFT Trainer 방식을 사용하였습니다. 

#### Training Hyperparameters

- **Training regime:** bf16 mixed precision
```
  r=32,
  lora_alpha=64,  #  QLoRA : alpha = r/2 // LoRA : alpha =r*2
  lora_dropout=0.05, 
  target_modules=[
  "q_proj",
  "k_proj",
  "v_proj",
  "o_proj",
  "gate_proj",
  "up_proj",
  "down_proj",
  ],  # 타겟 모듈
```

### Result
https://github.com/lucide99/Chatbot_FutFut
<!-- ## Bias, Risks, and Limitations -->
<!-- ## Model Examination [optional] -->
## Environment
L4 GPU 
<!-- ## contributors -->