Hacer modelos más pequeños con cuantización

Ajuste fino con Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

¿Qué es la cuantización?

 

  • Reducir la precisión del modelo
  • De flotante de 32 bits a:
    • Entero de 8 bits
    • Entero de 4 bits
  • Entrenamiento consciente de cuantización

bloque abstracto.jpg

Ajuste fino con Llama 3

Tipos de cuantización

 

  • Cuantización de pesos: reduce la precisión de los pesos
  • Cuantización de activaciones: reduce la precisión de las activaciones
  • Cuantización posterior al entrenamiento: reduce la precisión tras entrenar
Ajuste fino con Llama 3

Configurar cuantización con bitsandbytes

from transformers import BitsAndBytesConfig

bnb_config = BitsAndBytesConfig(
  • define la precisión (load_in_4_bit, load_in_8_bit)
    load_in_4bit=True,
  • define el tipo de cuantización ('fp4' o flotante de 4 bits, 'nf4' o flotante de 4 bits normalizado)
    bnb_4bit_quant_type="nf4",
  • define la precisión de cómputo (flotante de 32 bits o bfloat de 16 bits)
    bnb_4bit_compute_dtype=torch.bfloat16)
Ajuste fino con Llama 3

Cargar un modelo con cuantización

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

)
Ajuste fino con Llama 3

Usar un modelo cuantizado

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.
Ajuste fino con Llama 3

Ajustar fino un modelo cuantizado

  • La cuantización total no permite fine-tuning
  • Adaptación LoRA
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()
Ajuste fino con Llama 3

¡Vamos a practicar!

Ajuste fino con Llama 3

Preparing Video For Download...