RLHF'te verimli ince ayar

İnsan Geri Bildiriminden Pekiştirmeli Öğrenme (RLHF)

Mina Parham

AI Engineer

Parametre-verimli ince ayar

Tüm modeli ince ayarlama

Bir sinir ağını temsil eden görsel.

Parametre-verimli ince ayar

PEFT ile ince ayar

Parametrelerinin çoğu dondurulmuş bir sinir ağını temsil eden görsel.

LoRA: yalnızca birkaç katmanı ayarlar
Kuantizasyon: veri türü hassasiyetini düşürür

Adım 1: etkin modeli 8-bit hassasiyetle yükleyin

from peft import prepare_model_for_int8_training


pretrained_model = AutoModelForCausalLM.from_pretrained(
                                                        model_name, 
                                                        load_in_8bit=True
                                                       )

pretrained_model_8bit = prepare_model_for_int8_training(pretrained_model)

Adım 2: peft ile ek eğitilebilir adaptörler ekleyin

from peft import LoraConfig, get_peft_model


config = LoraConfig(

    r=32, # Rank of the low-rank matrices

    lora_alpha=32, # Scaling factor for the LoRA updates

    lora_dropout=0.1, # Dropout rate for LoRA layers

    bias="lora_only"# Only update bias terms for LoRA layers, others remain frozen

)


lora_model = get_peft_model(pretrained_model_8bit, config)
model = AutoModelForCausalLMWithValueHead.from_pretrained(lora_model)

Adım 3: başvuru ve etkin logitler için tek model kullanın

ppo_trainer = PPOTrainer(
    config, # The config we just defined
    model, # Our PPO model
    ref_model=None, 
    tokenizer=tokenizer, 
    dataset=dataset, 
    data_collator=collator, 
    optimizer=optimizer
)

Hadi pratik yapalım!

İnsan Geri Bildiriminden Pekiştirmeli Öğrenme (RLHF)