Prétraiter les données pour l'ajustement fin

Ajustement fin avec Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Utiliser des jeux de données pour l'ajustement fin

  • La qualité des données est essentielle

  • Ensemble d'entraînement :

    • Pour entraîner le modèle
    • La majorité des données

Schéma d'un jeu de données avec un ensemble d'entraînement.

Ajustement fin avec Llama 3

Utiliser des jeux de données pour l'ajustement fin

  • La qualité des données est essentielle

  • Ensemble d'entraînement :

    • Pour entraîner le modèle
    • La majorité des données
  • Ensemble de validation :
    • Pour choisir la meilleure version du modèle

Schéma d'un ensemble d'entraînement et de validation.

Ajustement fin avec Llama 3

Utiliser des jeux de données pour l'ajustement fin

  • La qualité des données est essentielle

  • Ensemble d'entraînement :

    • Pour entraîner le modèle
    • La majorité des données
  • Ensemble de validation :
    • Pour choisir la meilleure version du modèle
  • Ensemble de test :
    • Pour évaluer le rendement du modèle

Schéma d'un ensemble d'entraînement, de validation et de test.

Ajustement fin avec Llama 3

Préparer les données avec la bibliothèque Datasets

 

  • Bibliothèque Datasets
  • Prétraitement
  • Découper
  • Charger
  • Gérer la mémoire

Schéma du flux des données : le jeu de données alimente la bibliothèque Datasets, qui affiche 3 cases vertes pour le prétraitement, le chargement/la gestion des données et les intégrations, puis une flèche mène à la sortie : des données préparées.

Ajustement fin avec Llama 3

Charger un jeu de données de service à la clientèle

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']
Ajustement fin avec Llama 3

Jeter un coup d'œil aux données

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."}
Ajustement fin avec Llama 3

Filtrer le jeu de données

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)
Ajustement fin avec Llama 3

Prétraiter le jeu de données

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.
Ajustement fin avec Llama 3

Enregistrer le jeu de données prétraité

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")
Ajustement fin avec Llama 3

Utiliser des jeux de données Hugging Face avec TorchTune

 

  • Utiliser un jeu de données Hugging Face avec TorchTune
  • Définir un chemin de jeu de données et des configurations

 

tune run full_finetune_single_device --config llama3/8B_full_single_device \
dataset=preprocessed_dataset dataset.split=train
Ajustement fin avec Llama 3

Passons à la pratique !

Ajustement fin avec Llama 3

Preparing Video For Download...