Уменьшение размера моделей с помощью квантования

Файн-тюнинг с Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Что такое квантование?

 

  • Снижение точности модели
  • 32-битный float преобразуется в:
    • 8-битное целое число
    • 4-битное целое число
  • Квантование с учётом обучения

abstract block.jpg

Файн-тюнинг с Llama 3

Виды квантования

 

  • Квантование весов: снижение точности весов
  • Квантование активаций: снижение точности значений активаций
  • Квантование после обучения: снижение точности модели после обучения
Файн-тюнинг с Llama 3

Настройка квантования с помощью bitsandbytes

from transformers import BitsAndBytesConfig

bnb_config = BitsAndBytesConfig(
  • задайте точность (load_in_4_bit, load_in_8_bit)
    load_in_4bit=True,
  • задайте тип квантования ('fp4' — 4-битный float, 'nf4' — нормализованный 4-битный float)
    bnb_4bit_quant_type="nf4",
  • задайте точность вычислений (32-битный float или 16-битный bfloat)
    bnb_4bit_compute_dtype=torch.bfloat16)
Файн-тюнинг с Llama 3

Загрузка модели с квантованием

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

)
Файн-тюнинг с Llama 3

Использование квантованной модели

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.
Файн-тюнинг с Llama 3

Дообучение квантованной модели

  • Полное квантование не поддерживает дообучение
  • Адаптация 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()
Файн-тюнинг с Llama 3

Давайте потренируемся!

Файн-тюнинг с Llama 3

Preparing Video For Download...