Wstępne przetwarzanie danych do fine-tuningu

Fine-Tuning z Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Używanie zbiorów danych do fine-tuningu

  • Jakość danych ma kluczowe znaczenie

  • Zbiór treningowy:

    • Do trenowania modelu
    • Większość danych

Diagram zbioru danych ze zbiorem treningowym.

Fine-Tuning z Llama 3

Używanie zbiorów danych do fine-tuningu

  • Jakość danych ma kluczowe znaczenie

  • Zbiór treningowy:

    • Do trenowania modelu
    • Większość danych
  • Zbiór walidacyjny:
    • Do wyboru najlepszej wersji modelu

Diagram zbioru treningowego i walidacyjnego.

Fine-Tuning z Llama 3

Używanie zbiorów danych do fine-tuningu

  • Jakość danych ma kluczowe znaczenie

  • Zbiór treningowy:

    • Do trenowania modelu
    • Większość danych
  • Zbiór walidacyjny:
    • Do wyboru najlepszej wersji modelu
  • Zbiór testowy:
    • Do oceny wydajności modelu

Diagram zbioru treningowego, walidacyjnego i testowego.

Fine-Tuning z Llama 3

Przygotowywanie danych za pomocą biblioteki Datasets

 

  • Biblioteka Datasets
  • Wstępne przetwarzanie
  • Podział
  • Ładowanie
  • Zarządzanie pamięcią

Diagram przepływu danych: ze zbioru danych do biblioteki Datasets, pokazującej 3 zielone pola dla wstępnego przetwarzania, ładowania/zarządzania danymi i integracji, a następnie strzałka wskazuje na dane wyjściowe w postaci pola z przygotowanymi danymi.

Fine-Tuning z Llama 3

Ładowanie zbioru danych obsługi klienta

from datasets import load_dataset

ds = load_dataset(
    'bitext/Bitext-customer-support-llm-chatbot-training-dataset',

    split="train"

)

print(ds.column_names)

['flags', 'instruction', 'category', 'intent', 'response']
Fine-Tuning z Llama 3

Podgląd danych

import pprint
pprint.pprint(ds[0])

{'category': 'ORDER',
 'flags': 'B',
 'instruction': 'question about cancelling order {{Order Number}}',
 'intent': 'cancel_order',
 'response': "I've understood you have a question regarding canceling order "
             "{{Order Number}}, and I'm here to provide you with the "
             'information you need. Please go ahead and ask your question, and '
             "I'll do my best to assist you."}
Fine-Tuning z Llama 3

Filtrowanie zbioru danych

from datasets import load_dataset, Dataset

ds = load_dataset(
    'bitext/Bitext-customer-support-llm-chatbot-training-dataset',
    split="train")

print(ds.shape)

(26872, 5)

first_thousand_points = ds[:1000]

ds = Dataset.from_dict(first_thousand_points)
Fine-Tuning z Llama 3

Wstępne przetwarzanie zbioru danych

def merge_example(row):

    row['conversation'] = f"Query: {row['instruction']}\nResponse: {row['response']}"
    return row

ds = ds.map(merge_example)

print(ds[0]['conversation'])

Query: question about cancelling order {{Order Number}}
Response: I've understood you have a question regarding canceling order {{Order Number}}, 
and I'm here to provide you with the information you need. Please go ahead and ask your 
question, and I'll do my best to assist you.
Fine-Tuning z Llama 3

Zapisywanie wstępnie przetworzonego zbioru danych

ds.save_to_disk("preprocessed_dataset")

Saving the dataset (1/1 shards): 100%
26872/26872 [00:00<00:00, 383823.33 examples/s]

from datasets import load_from_disk
ds_preprocessed = load_from_disk("preprocessed_dataset")
Fine-Tuning z Llama 3

Używanie zbiorów danych Hugging Face z TorchTune

 

  • Możliwość użycia zbioru danych Hugging Face z TorchTune
  • Ustawienie ścieżki i konfiguracji zbioru danych

 

tune run full_finetune_single_device --config llama3/8B_full_single_device \
dataset=preprocessed_dataset dataset.split=train
Fine-Tuning z Llama 3

Czas na ćwiczenia!

Fine-Tuning z Llama 3

Preparing Video For Download...