Rendere i modelli più piccoli con la quantizzazione

Fine-tuning con Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Cos’è la quantizzazione?

 

  • Ridurre la precisione del modello
  • Da float a 32 bit a:
    • intero a 8 bit
    • intero a 4 bit
  • Addestramento consapevole della quantizzazione

blocco astratto.jpg

Fine-tuning con Llama 3

Tipi di quantizzazione

 

  • Quantizzazione dei pesi: riduce la precisione dei pesi
  • Quantizzazione delle attivazioni: riduce la precisione dei valori di attivazione
  • Quantizzazione post-addestramento: riduce la precisione dopo l’addestramento
Fine-tuning con Llama 3

Configurare la quantizzazione con bitsandbytes

from transformers import BitsAndBytesConfig

bnb_config = BitsAndBytesConfig(
  • imposta la precisione (load_in_4_bit, load_in_8_bit)
    load_in_4bit=True,
  • imposta il tipo di quantizzazione ('fp4' o float a 4 bit, 'nf4' o float a 4 bit normalizzato)
    bnb_4bit_quant_type="nf4",
  • imposta la precisione di calcolo (float 32 bit o bfloat 16 bit)
    bnb_4bit_compute_dtype=torch.bfloat16)
Fine-tuning con Llama 3

Caricare un modello con quantizzazione

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

)
Fine-tuning con Llama 3

Usare un modello quantizzato

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.
Fine-tuning con Llama 3

Fine-tuning di un modello quantizzato

  • La quantizzazione completa non supporta il fine-tuning
  • Adattamento 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()
Fine-tuning con Llama 3

Passiamo alla pratica !

Fine-tuning con Llama 3

Preparing Video For Download...