Réduire la taille des modèles par quantification

Ajustement fin avec Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Qu'est-ce que la quantification ?

 

  • Réduire la précision du modèle
  • Passer du flottant 32 bits à :
    • entier 8 bits
    • entier 4 bits
  • Entraînement avec conscience de la quantification

bloc abstrait.jpg

Ajustement fin avec Llama 3

Types de quantification

 

  • Quantification des poids : réduire la précision des poids
  • Quantification des activations : réduire la précision des valeurs d'activation
  • Quantification après entraînement : réduire la précision du modèle après l'entraînement
Ajustement fin avec Llama 3

Configurer la quantification avec bitsandbytes

from transformers import BitsAndBytesConfig

bnb_config = BitsAndBytesConfig(
  • définir la précision (load_in_4_bit, load_in_8_bit)
    load_in_4bit=True,
  • définir le type de quantification (« fp4 » ou flottant 4 bits, « nf4 » ou flottant 4 bits normalisé)
    bnb_4bit_quant_type="nf4",
  • définir la précision de calcul (flottant 32 bits ou bfloat 16 bits)
    bnb_4bit_compute_dtype=torch.bfloat16)
Ajustement fin avec Llama 3

Charger un modèle avec quantification

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

)
Ajustement fin avec Llama 3

Utiliser un modèle quantifié

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.
Ajustement fin avec Llama 3

Ajuster finement un modèle quantifié

  • La quantification complète ne prend pas en charge l'ajustement fin
  • Adaptation 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()
Ajustement fin avec Llama 3

Passons à la pratique !

Ajustement fin avec Llama 3

Preparing Video For Download...