Dostrajanie z TorchTune

Fine-Tuning z Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Komponenty dostrajania TorchTune

Model
- Definiuje architekturę i wstępnie wytrenowane wagi do dostrojenia
- Dostępne różne wersje i liczby parametrów
Zbiór danych
- Określa dane używane do trenowania
Receptura
- Centralny plik konfiguracyjny łączący model, zbiór danych i parametry trenowania
- Zapewnia spójność i odtwarzalność

Ilustracja modelu

Ilustracja zbioru danych

Ilustracja receptury

Komponenty dostrajania TorchTune

Model

!tune ls

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

Zbiór danych
- ds.save_to_disk("new_dataset")
Receptura
- custom_recipe.yaml

Ilustracja modelu

Ilustracja zbioru danych

Ilustracja receptury

Komponenty receptury TorchTune

Ustawienia ogólne i katalog wyjściowy
- Rozmiar partii, urządzenie i epoki

Model
- Określa architekturę i konfigurację modelu

Optymalizator
- Zawiera współczynnik uczenia
Zbiór danych
- Definiuje przetwarzanie wstępne i ścieżkę do danych

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

Konfigurowanie receptur TorchTune

Więcej dostępnych parametrów
Konfigurowalne w Pythonie za pomocą 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)

Uruchamianie niestandardowego dostrajania

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

Zapisane logi
Pomyślna inicjalizacja
Postęp epok i kroków
Metryki straty

Czas na ćwiczenia!

Fine-Tuning z Llama 3