Modelle mit Quantisierung verkleinern

Feinabstimmung mit Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Was ist Quantisierung?

Genauigkeit des Modells verringern
32-Bit-Float zu:
- 8-Bit-Integer
- 4-Bit-Integer
Quantisierungsbewusstes Training

abstrakter Block.jpg

Arten der Quantisierung

Gewicht-Quantisierung: Genauigkeit der Gewichte reduzieren
Aktivierungs-Quantisierung: Genauigkeit der Aktivierungswerte reduzieren
Post-Training-Quantisierung: Modellgenauigkeit nach dem Training reduzieren

Quantisierung mit bitsandbytes konfigurieren

from transformers import BitsAndBytesConfig

bnb_config = BitsAndBytesConfig(

Präzision festlegen (load_in_4_bit, load_in_8_bit)

    load_in_4bit=True,

Quantisierungstyp festlegen ('fp4' = 4-Bit-Float, 'nf4' = normalisiertes 4-Bit-Float)

    bnb_4bit_quant_type="nf4",

Rechenpräzision festlegen (32-Bit-Float oder 16-Bit-BFloat)

    bnb_4bit_compute_dtype=torch.bfloat16)

Modell mit Quantisierung laden

from transformers import BitsAndBytesConfig, AutoModelForCausalLM

bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16
)

model = AutoModelForCausalLM.from_pretrained(
    "nvidia/Llama3-ChatQA-1.5-8B",

    quantization_config=bnb_config

)

Ein quantisiertes Modell nutzen

promptstr = """System: You are a helpful chatbot who answers questions about planets.
User: Explain the history of Mars
Assistant: """

inputs = tokenizer.encode(promptstr, return_tensors="pt")

outputs = model.generate(inputs, max_length=200)

decoded_outputs = tokenizer.decode(outputs[0, inputs.shape[1]:], skip_special_tokens = True)

print(decoded_outputs)

Here is a brief history of Mars:
- 4.6 billion years ago: Mars formed as part of the solar system.
- 3.8 billion years ago: Mars had a thick atmosphere and liquid water on its surface.
- 3.8 billion years ago to 3.5 billion years ago: Mars lost its magnetic field and atmosphere, 
and became a cold, dry planet.
- 3.5 billion years ago to present: Mars has been cold and dry, with a thin atmosphere.

Ein quantisiertes Modell feinabstimmen

Volle Quantisierung unterstützt kein Fine-Tuning
LoRA-Anpassung

trainer = SFTTrainer(
    model=model,

    peft_config=peft_config,

    train_dataset=ds,
    max_seq_length=250,
    dataset_text_field='conversation',
    tokenizer=tokenizer,
    args=training_arguments

)

trainer.train()

Lass uns üben!

Feinabstimmung mit Llama 3