Reducerea dimensiunii modelelor prin cuantizare

Fine-Tuning cu Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Ce este cuantizarea?

 

  • Reducerea preciziei modelului
  • De la float pe 32 de biți la:
    • Integer pe 8 biți
    • Integer pe 4 biți
  • Antrenament conștient de cuantizare

bloc abstract.jpg

Fine-Tuning cu Llama 3

Tipuri de cuantizare

 

  • Cuantizarea ponderilor: reducerea preciziei ponderilor
  • Cuantizarea activărilor: reducerea preciziei valorilor de activare
  • Cuantizare post-antrenament: reducerea preciziei modelului după antrenament
Fine-Tuning cu Llama 3

Configurarea cuantizării cu bitsandbytes

from transformers import BitsAndBytesConfig

bnb_config = BitsAndBytesConfig(
  • setați precizia (load_in_4_bit, load_in_8_bit)
    load_in_4bit=True,
  • setați tipul de cuantizare ('fp4' sau float pe 4 biți, 'nf4' sau float normalizat pe 4 biți)
    bnb_4bit_quant_type="nf4",
  • setați precizia de calcul (float pe 32 de biți sau bfloat pe 16 biți)
    bnb_4bit_compute_dtype=torch.bfloat16)
Fine-Tuning cu Llama 3

Încărcarea modelului cu cuantizare

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 cu Llama 3

Utilizarea unui model cuantizat

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 cu Llama 3

Ajustarea fină a unui model cuantizat

  • Cuantizarea completă nu suportă ajustarea fină
  • Adaptare 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 cu Llama 3

Să exersăm!

Fine-Tuning cu Llama 3

Preparing Video For Download...