Tinh chỉnh với TorchTune

Fine-Tuning với Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Các thành phần tinh chỉnh với TorchTune

Model
- Xác định kiến trúc và trọng số tiền huấn luyện để tinh chỉnh
- Có các phiên bản và số tham số khác nhau
Dataset
- Chỉ định dữ liệu dùng để huấn luyện
Recipe
- Tệp cấu hình trung tâm kết hợp model, dataset và tham số huấn luyện
- Bảo đảm nhất quán và tái lập

Các thành phần tinh chỉnh với TorchTune

Model

!tune ls

llama3/8B_full
llama3_1/8B_full
llama3_2/1B_full ...

Dataset
- ds.save_to_disk("new_dataset")
Recipe
- custom_recipe.yaml

Các thành phần của một recipe TorchTune

Thiết lập chung và thư mục đầu ra
- Batch size, device, epochs

Model
- Xác định kiến trúc và cấu hình model

Optimizer
- Gồm learning rate
Dataset
- Định nghĩa tiền xử lý và đường dẫn 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

Cấu hình recipe TorchTune

Nhiều tham số hơn
Cấu hình trong Python bằng 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)

Chạy tinh chỉnh tùy chỉnh

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

Log đã lưu
Khởi tạo thành công
Tiến độ epoch và bước
Chỉ số loss

Hãy luyện tập!

Fine-Tuning với Llama 3