Finjustering med TorchTune

Finjustering med Llama 3

Francesca Donadoni

Curriculum Manager, DataCamp

Komponenterna i TorchTune-finjustering

Modell
- Definierar arkitekturen och de förtränade vikterna som ska finjusteras
- Olika versioner och antal parametrar finns tillgängliga
Datamängd
- Anger de data som används för träning
Recept
- Central konfigurationsfil som kombinerar modell, datamängd och träningsparametrar
- Säkerställer konsekvens och reproducerbarhet

Komponenterna i TorchTune-finjustering

Modell

!tune ls

llama3/8B_full
llama3_1/8B_full
llama3_2/1B_full ...

Datamängd
- ds.save_to_disk("new_dataset")
Recept
- custom_recipe.yaml

Komponenterna i ett TorchTune-recept

Allmänna inställningar och utdatakatalog
- Batchstorlek, enhet och epoker

Modell
- Anger arkitektur och modellkonfigurationer

Optimerare
- Inkluderar inlärningshastighet
Datamängd
- Definierar förbehandling och sökväg till datamängd

batch_size: 4
device: cuda
epochs: 20
output_dir: /tmp/full-llama3.2-finetune

model:
  _component_: 
      torchtune.models.llama3_2.llama3_2_1b

optimizer:
  _component_: bitsandbytes.optim.PagedAdamW8bit
  lr: 2.0e-05

dataset:
  _component_: torchtune.datasets.alpaca_dataset

Konfigurera TorchTune-recept

Fler parametrar finns tillgängliga
Konfigurerbara i Python med yaml

import yaml

config_dict = {"batch_size": 4,
               "device": "cuda",
               "model": {
                 "_component_": "torchtune.models.llama3_2.llama3_2_1b"
                },
                ...
}

yaml_file_path = "custom_recipe.yaml"
with open(yaml_file_path, "w") as yaml_file:
    yaml.dump(config_dict, yaml_file)

Köra anpassad finjustering

tune run --config custom_recipe.yaml

INFO:torchtune.utils.logging:Running 
Writing logs to /tmp/full-llama3.2-finetune/log_1732815689.txt
INFO:torchtune.utils.logging:Model is initialized with precision torch.bfloat16.
INFO:torchtune.utils.logging:Tokenizer is initialized from file.
1|52|Loss: 2.3697006702423096:   0%|▏                     | 52/25880

Sparade loggar
Lyckad initiering
Förlopp för epoker och steg
Förlustmätvärden

Nu kör vi en övning!

Finjustering med Llama 3