Update README.md

README.md

@@ -23,6 +23,23 @@ This llama model was trained 2x faster with [Unsloth](https://github.com/unsloth
 
 
 # Usage
+```python
+# 必要なライブラリのインストール
+!pip install unsloth
+!pip uninstall unsloth -y && pip install --upgrade --no-cache-dir "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
+!pip install -U torch
+!pip install -U peft
+```
+
+```python
+# 必要なライブラリを読み込み
+from unsloth import FastLanguageModel
+from peft import PeftModel
+import torch
+import json
+from tqdm import tqdm
+import re
+```
 
 ```python
 # ベースとなるモデルと学習したLoRAのアダプタ（Hugging FaceのIDを指定）。
@@ -57,8 +74,7 @@ with open("./elyza-tasks-100-TV_0.jsonl", "r") as f:
         datasets.append(json.loads(item))
         item = ""
 
-# モデルを用いてタスクの推論。
-
+# モデルを用いてタスクの推論
 # 推論するためにモデルのモードを変更
 FastLanguageModel.for_inference(model)
 
@@ -66,7 +82,7 @@ results = []
 for dt in tqdm(datasets):
   input = dt["input"]
 
-  prompt = f"""### 指示\n{input}\n回答はなるべく短く答えを端的に出力してください。\n### 回答\n"""
+  prompt = f"""### 指示\n{input}\n### 回答\n"""
 
   inputs = tokenizer([prompt], return_tensors = "pt").to(model.device)