Update README.md

README.md

@@ -18,18 +18,17 @@ pipeline_tag: text-generation
 回答
 """"
 
-
-下記のコードで実行をしました。
+下記のversionで実行をしました。
 ```
 !pip install -U bitsandbytes
 !pip install -U transformers
 !pip install -U accelerate
 !pip install -U datasets
 !pip install -U peft
+```
 
-# notebookでインタラクティブな表示を可能とする（ただし、うまく動かない場合あり）
-!pip install ipywidgets --upgrade
-
+下記のコードで実行をしました。
+```
 from transformers import (
     AutoModelForCausalLM,
     AutoTokenizer,
@@ -41,7 +40,7 @@ from tqdm import tqdm
 import json
 
 # ベースとなるモデルと学習したLoRAのアダプタ。
-base_model_id = "llm-jp/llm-jp-3-13b" 
+model_id = "llm-jp/llm-jp-3-13b" 
 adapter_id = "kevineen/llm-jp-3-13b-finetune" # Hugging FaceのIDを指定。
 
 # QLoRA config
@@ -59,13 +58,15 @@ model = AutoModelForCausalLM.from_pretrained(
 )
 
 # Load tokenizer
-tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True, token = HF_TOKEN)
+tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
 
 # 元のモデルにLoRAのアダプタを統合。
-model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)
+model = PeftModel.from_pretrained(model, adapter_id)
 
-# データセットの読み込み。
+# 出力したいデータセットの読み込み。
 # omnicampusの開発環境では、左にタスクのjsonlをドラッグアンドドロップしてから実行。
+## 対象のデータセットを用意してください（※ elyza-tasks-100-TV_0.jsonl
+
 datasets = []
 with open("./elyza-tasks-100-TV_0.jsonl", "r") as f:
     item = ""