Ajuste fino com o TorchTune

Ajuste Fino com Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Componentes do ajuste fino no TorchTune

  • Modelo

    • Define a arquitetura e os pesos pré-treinados para ajustar
    • Diferentes versões e quantidades de parâmetros

  • Conjunto de dados

    • Especifica os dados usados no treino

  • Receita

    • Arquivo central que combina modelo, dados e parâmetros de treino
    • Garante consistência e reprodutibilidade

iStock-2151073200.jpg

iStock-1281282682.jpg

iStock-2173849278.jpg

Ajuste Fino com Llama 3

Componentes do ajuste fino no TorchTune

  • Modelo

    • !tune ls
      llama3/8B_full
llama3_1/8B_full
llama3_2/1B_full ...

  • Conjunto de dados

    • ds.save_to_disk("new_dataset")

  • Receita

    • custom_recipe.yaml

iStock-2151073200.jpg

iStock-1281282682.jpg

iStock-2173849278.jpg

Ajuste Fino com Llama 3

Componentes de uma receita do TorchTune

  • Configurações gerais e diretório de saída
    • Tamanho do lote, device e épocas

 

  • Modelo
    • Define arquitetura e configs do modelo

 

  • Otimizador

    • Inclui taxa de aprendizado

  • Conjunto de dados

    • Define o pré-processamento e o caminho do dataset
batch_size: 4
device: cuda
epochs: 20
output_dir: /tmp/full-llama3.2-finetune

model:
  _component_: 
      torchtune.models.llama3_2.llama3_2_1b

optimizer:
  _component_: bitsandbytes.optim.PagedAdamW8bit
  lr: 2.0e-05

dataset:
  _component_: torchtune.datasets.alpaca_dataset
Ajuste Fino com Llama 3

Configurando receitas do TorchTune

  • Mais parâmetros disponíveis
  • Configurável em Python usando yaml
import yaml

config_dict = {"batch_size": 4,
               "device": "cuda",
               "model": {
                 "_component_": "torchtune.models.llama3_2.llama3_2_1b"
                },
                ...
}

yaml_file_path = "custom_recipe.yaml"
with open(yaml_file_path, "w") as yaml_file:
    yaml.dump(config_dict, yaml_file)
Ajuste Fino com Llama 3

Executando ajuste fino customizado

tune run --config custom_recipe.yaml

INFO:torchtune.utils.logging:Running 
Writing logs to /tmp/full-llama3.2-finetune/log_1732815689.txt
INFO:torchtune.utils.logging:Model is initialized with precision torch.bfloat16.
INFO:torchtune.utils.logging:Tokenizer is initialized from file.
1|52|Loss: 2.3697006702423096:   0%|▏                     | 52/25880
  • Logs salvos
  • Inicialização bem-sucedida
  • Progresso de épocas e etapas
  • Métricas de loss
Ajuste Fino com Llama 3

Vamos praticar!

Ajuste Fino com Llama 3

Preparing Video For Download...