Update README.md

README.md

@@ -41,8 +41,6 @@ Samba é um LLM treinado em dados da língua portuguesa. O modelo é baseado no
 
 ## Como usar
 
-Com o `transformers pipeline`:
-
 ```python
 import torch
 from transformers import pipeline
@@ -59,51 +57,6 @@ outputs = samba(prompt, max_new_tokens=256, do_sample=False, temperature=0.1, to
 print(outputs[0]['generated_text'])
 ```
 
-Com o `transformers AutoModel`
-
-```python
-from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig
-
-def GeneratePrompt(input, instruction):
-    if input!='' and instruction!=0:
-        return f'''Abaixo está uma instrução que descreve uma tarefa, juntamente com uma entrada que fornece mais contexto. Escreva uma resposta que complete adequadamente o pedido.
-### Instrução
-{instruction}
-### Entrada
-{input}'''
-    else:
-        return f'''Abaixo está uma instrução que descreve uma tarefa, juntamente com uma entrada que fornece mais contexto. Escreva uma resposta que complete adequadamente o pedido.
-### Instrução
-{instruction}
-### Entrada'''
-
-model_config = GenerationConfig.from_model_config(model.generation_config)
-model.generation_config.temperature = 0.1
-
-model = AutoModelForCausalLM.from_pretrained('lrds-code/samba-1.1B')
-tokenizer = AutoTokenizer.from_pretrained('lrds-code/samba-1.1B')
-
-instruction = 'Quantos planetas existem no sistema solar?'
-text = GeneratePrompt(input='', instruction=instruction)
-inputs = tokenizer(text, return_tensors='pt')
-outputs = model.generate(input_ids=inputs['input_ids'], attention_mask=inputs['attention_mask'], generation_config=model_config, repetition_penalty=1.1, do_sample=False)
-print(outputs[0]['generated_text'])
-```
-
-## Prompt para Finetune
-
-Para o finetune do Samba utilizamos o template [Alpaca](https://huggingface.co/datasets/yahma/alpaca-cleaned).
-
-```python
-alpaca_prompt = f'''Abaixo está uma instrução que descreve uma tarefa, juntamente com uma entrada que fornece mais contexto. Escreva uma resposta que complete adequadamente o pedido.
-### Instrução
-{instruction}
-### Entrada
-{input}
-### Resposta
-{output}'''
-```
-
 ## Parâmetros Importantes
 
 - **repetition_penalty:** é utilizado para evitar a repetição de palavras ou frases. Quando esse valor é ajustado para ser maior que 1, o modelo tenta diminuir a probabilidade de gerar palavras que já apareceram anteriormente. Basicamente, quanto maior o valor, mais o modelo tenta evitar repetições.