EmojiNet

EmojiNet è un progetto di fine-tuning di un LLM (Large Language Model) per rispondere esclusivamente con combinazioni di emoji, ideale per task di traduzione creativa di testo in emoji.

Descrizione

Questo repository mostra come addestrare un LLM personalizzato che, dato un testo, risponde solo con una sequenza di 3-5 emoji rappresentative. Il processo è stato documentato passo-passo in meno di 6 minuti in questo video YouTube:

Nel video:

• Creazione di un dataset personalizzato
• Addestramento su Google Colab (senza GPU)
• Salvataggio del modello in formato GGUF
• Importazione e utilizzo locale con Ollama

Tool e tecnologie usate

• Google Colab: per l’addestramento rapido e accessibile
• Transformers (Hugging Face): per il fine-tuning del modello
• Ollama: per il deployment locale del modello addestrato

Come funziona

1. Dataset: Un file CSV (dataset_with_emojis.csv) con frasi e relative traduzioni in emoji.
2. Fine-tuning: Il notebook finetuning_llm.ipynb guida l’addestramento del modello (es. Gemma + LoRA).
3. Esportazione: Il modello addestrato viene salvato in formato GGUF (emojinet.gguf).
4. Deployment: Il modello GGUF viene importato in Ollama tramite il file Modelfile.
5. Utilizzo: Il modello risponde a qualsiasi input solo con emoji.

Video tutorial

https://www.youtube.com/watch?v=jlKsCV9qxdI

Struttura del repository

• dataset_with_emojis.csv — Dataset di esempio
• finetuning_llm.ipynb — Notebook per il fine-tuning
• emojinet.gguf — Modello addestrato in formato GGUF
• Modelfile — Configurazione per Ollama
• main.py — Script per generare emoji dal dataset

Licenza

Questo progetto è distribuito sotto licenza MIT.

---

Guarda il video per la guida completa e la demo finale!