---
license: apache-2.0
base_model: google/gemma-2-9b-it
tags:
- fine-tuned
- gemma
- lora
- japanese
- qa
library_name: transformers
pipeline_tag: text-generation
---

# eyepyon/rcgemma2_9b_it-finetuned

このモデルは、`google/gemma-2-9b-it` をベースにLoRAでファインチューニングされたモデルです。

## 🔧 モデル情報

- **ベースモデル**: google/gemma-2-9b-it
- **ファインチューニング手法**: LoRA (Low-Rank Adaptation)
- **アテンション実装**: eager (Gemma推奨)
- **量子化**: 4ビット (QLoRA)
- **対応言語**: 日本語
- **タスク**: 質問応答

## 🚀 使用方法

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

# ベースモデルとトークナイザーを読み込み
base_model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-2-9b-it",
    torch_dtype="auto",
    device_map="auto",
    attn_implementation="eager",  # Gemma推奨
    trust_remote_code=True
)
tokenizer = AutoTokenizer.from_pretrained("google/gemma-2-9b-it")

# LoRAアダプターを適用
model = PeftModel.from_pretrained(base_model, "eyepyon/rcgemma2_9b_it-finetuned")

# 推論
def generate_response(context, question):
    input_text = f"### コンテキスト:\n{context}\n\n### 質問:\n{question}\n\n### 回答:\n"
    inputs = tokenizer(input_text, return_tensors="pt")
    
    # GPUに移動
    if torch.cuda.is_available():
        inputs = {k: v.to(model.device) for k, v in inputs.items()}
    
    with torch.no_grad():
        outputs = model.generate(
            **inputs,
            max_length=512,
            do_sample=True,
            temperature=0.7,
            top_p=0.9,
            pad_token_id=tokenizer.eos_token_id
        )
    
    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
    if "### 回答:" in response:
        response = response.split("### 回答:")[-1].strip()
    return response

# 使用例
context = "人工知能は機械学習技術を使用してデータから学習します。"
question = "機械学習の特徴は何ですか？"
answer = generate_response(context, question)
print(answer)
```

## 📊 入力フォーマット

```
### コンテキスト:
[背景情報やコンテキスト]

### 質問:
[ユーザーの質問]

### 回答:
[期待される回答]
```

## ⚙️ トレーニング設定

- **LoRAランク**: 8
- **LoRA Alpha**: 16
- **ターゲットモジュール**: q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
- **学習率**: 2e-4
- **バッチサイズ**: 1 × 4 (gradient accumulation)
- **グラディエントチェックポイント**: use_reentrant=False

## ⚠️ 重要な注意事項

### Gemma特有の設定
- **eager attention必須**: `attn_implementation="eager"`を使用してください
- **use_cache=False**: グラディエントチェックポイントとの互換性のため
- **use_reentrant=False**: 新しい推奨設定

### 制限事項
- 主に日本語での質問応答に最適化
- 生成される回答の事実確認が必要
- 特定のドメイン知識でのファインチューニング

## 📄 ライセンス

Apache 2.0 License

## 🔗 関連リンク

- [ベースモデル](google/gemma-2-9b-it)
- [PEFT Documentation](https://huggingface.co/docs/peft)
- [Transformers Documentation](https://huggingface.co/docs/transformers)

---

**最終更新**: 2025年05月25日