見出し画像

ChatGPTの対抗馬！Meta発表のオープンソースLLM「Llama 2」をGoogle Colabで超簡単に動かす方法

nand2ai

Llama 2の利用申請を出す

Meta AIのLlama2の公式ページにアクセスします

Download the modelボタンを押すと、Llama2の申請ページに飛びます。
名前・Eメール・国・所属組織名を記入して利用規約に同意して続けます。

※ Hugging Faceのアカウントを持っている方は、同じメールアドレスを登録するようにしてください。

名前・Eメール・国・所属組織名を記入
利用規約に同意して続行

すると登録したメールアドレス宛にMetaから利用可能になりましたとの旨のメールが届きます。私の場合は数分かからず届きました。

Hugging Faceでの準備

Hugging Faceアカウント作成

Hugging Faceアカウントを持っていない方はアカウント作成をしてください。登録するメールアドレスは上記のLlama2の利用申請に使ったメールアドレスと同じものである必要があります。

Llama2リポジトリへのアクセス申請

下記のLlama-2-7b-hfのリポジトリにアクセスします。

Model Cardのところに、下記画像のようなLlama2のアクセスに関する説明があります。

ログイン済みの場合は下部のLogin / Sign Upのボタンは同意送信ボタンなどに変わっています

日本語訳

Hugging Face上のLlama 2へのアクセス これは、Metaからアクセス権が付与された後に、Hugging Face上のLlama 2へのアクセスを有効にするためのフォームです。このフォームを提出する前に、Metaのウェブサイトを訪れて、ライセンス条項と適切な利用ポリシーを受け入れてください。リクエストは1-2日で処理されます。

Hugging Faceのアカウントのメールアドレスは、Metaのウェブサイトで提供するメールアドレスと一致しなければなりません。それが一致しない場合、あなたのリクエストは承認されません。

translated by chatGPT

これを提出したら、1~2日後Hugging Faceからメールが届きます。
（私の場合は1日以内に届きました）

Hugging Faceから使えるようになったよという通達メール

アクセストークンの発行

Hugging FaceのSettingsから、Access Tokenを取得します。

サイドバーのAccess TokensからNew tokenで発行

トークンの値は後ほど使うのでコピーしておいてください。

Google Colabのアカウント準備

Googleアカウントを持っていない場合は下記からアカウント作成します、持っている場合はログインしてください。
https://colab.research.google.com/?hl=ja

Google Colabの設定

メニューバーのランタイムから、ランタイムのタイプを変更を選択し、
ハードウェアアクセラレータ: GPU
GPUのタイプ: T4
を選択します。
※ Colab Pro以上のアカウントの方はGPUのタイプ: A100などを推奨

ノートブックの設定

Google Colabでの実行

下記リンクにアクセスし、Google Colabのファイルを開く

※ コードはこの記事に載せるため、練習がてら新規でノートブックを作っても良いです。

Open in Colabボタンで開く

パッケージインストール

パッケージのインストールのコードの左側にある実行ボタンから実行する

# パッケージのインストール
!pip install transformers sentencepiece accelerate xformers


実行結果例

Hugging Faceにログイン

ログインをします。まずはgitで毎回パスワードを聞かれないように下記を設定してから、

!git config --global credential.helper store

Hugging Faceにログインします

!huggingface-cli login

Tokenを聞かれるので、Hugging Faceで先ほど取得したアクセストークン（hf_xxxxx）を入力します。


Token: と出てきたら、そこにアクセストークンをペーストする

その後、「Add token as git credential? (Y/n) 」と聞かれるのでYで登録します。

トークナイザーとパイプラインの準備

下記コードを実行して、トークナイザーとパイプラインを準備します。

from transformers import AutoTokenizer
import transformers
import torch

# モデルID
model = "meta-llama/Llama-2-7b-chat-hf"

# トークナイザーとパイプラインの準備
tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

推論実行

推論のコードを実行します。promptの内容は適時書き換えてください。

prompt = """USER: What is the highest mountain in Japan?
"""

sequences = pipeline(
    prompt,
    do_sample=True,
    top_k=10,
    num_return_sequences=1,
    eos_token_id=tokenizer.eos_token_id,
    max_length=200,
)
print(sequences[0]["generated_text"])


日本で一番高い山は富士山で3776mと回答しています

まとめ

Llama2をGoogle Colabで動作させる手順について、図解で解説しました。これほど早くにChatGPTと匹敵するLLMが、商用利用可能なオープンソースとして登場するとは想像していませんでした。LLMを利用したビジネスアイデアは、GPTのAPIに依存するだけでなく、独自にファインチューニングしたLLMを設ける可能性が広がったと考えています。次回は、Llama2のファインチューニングに挑戦してみたいと思います！


この記事が気に入ったらサポートをしてみませんか？