Тонке налаштування моделей з Trainer

Ефективне тренування моделей ШІ з PyTorch

Dennis Lee

Data Engineer, Amazon

Підготовка даних

Схема розподіленого навчання з реплікацією моделі та шардингом даних.

Розподілене навчання

Блок-схема тем курсу: підготовка даних, розподілене навчання, ефективне навчання та оптимізатори.

Trainer і Accelerator

Діаграма порівняння простоти використання та можливостей налаштування для Accelerator і Trainer.

Trainer і Accelerator

Діаграма порівняння простоти використання та можливостей налаштування для Accelerator і Trainer.

Прискорте навчання з Trainer

Бібліотека Trainer
```
from transformers import Trainer
```
Запускає модель на кожному пристрої паралельно
Прискорює навчання, як конвеєри
Перевірка вхідних даних: набір даних, модель, метрики
Розробіть аналіз тональності для e-commerce

Зображення виробництва авто на конвеєрах, що ілюструє паралельну обробку.

Набір даних відгуків із тональністю

print(dataset)

DatasetDict({
    train: Dataset({
        features: ['Text', 'Label'],
        num_rows: 1000
    }), ...})

print(f'"{dataset["train"]["Text"][0]}": {dataset["train"]["Label"][0]}')

"I love this product!": positive

Перетворення міток на цілі числа

def map_labels(example):
    if example["Label"] == "negative":
        return {"labels": 0}

    else:
        return {"labels": 1}

dataset = dataset.map(map_labels)

print(f'First label: {dataset["train"]["labels"][0]}')

First label: 1

Визначення tokenizer і model

Завантажте попередньо натреновані model і tokenizer:

model = AutoModelForSequenceClassification.from_pretrained("distilbert-base-uncased", 
                                                           num_labels=2)

tokenizer = AutoTokenizer.from_pretrained("distilbert-base-uncased")

Застосуйте tokenizer до поля text:

def encode(examples):

    return tokenizer(examples["Text"], padding="max_length", truncation=True, 
                      return_tensors="pt")

dataset = dataset.map(encode, batched=True)

print(f'The first tokenized review is {dataset["train"]["input_ids"][0]}.')

The first tokenized review is [101, 1045, 2293, 2023, 4031, 999, 102].

Визначення метрик оцінювання

import evaluate


def compute_metrics(eval_predictions):

    load_accuracy = evaluate.load("accuracy")
    load_f1 = evaluate.load("f1")

    logits, labels = eval_predictions

    predictions = np.argmax(logits, axis=-1)

    accuracy = load_accuracy.compute(predictions=predictions, references=labels)[
        "accuracy"
    ]

    f1 = load_f1.compute(predictions=predictions, references=labels)["f1"]

    return {"accuracy": accuracy, "f1": f1}

Параметри навчання

output_dir: куди зберігати модель
Задайте гіперпараметри (напр., learning_rate і weight_decay)
save_strategy: зберігати після кожної епохи
evaluation_strategy: обчислювати метрики після кожної епохи

from transformers import (
    TrainingArguments)

training_args = TrainingArguments(
    output_dir="output_folder",

    learning_rate=2e-5,
    per_device_train_batch_size=16,
    per_device_eval_batch_size=16,
    num_train_epochs=2,
    weight_decay=0.01,

    save_strategy="epoch",
    evaluation_strategy="epoch",
)

Налаштування Trainer

from transformers import Trainer

trainer = Trainer(model=model,

                  args=training_args,

                  train_dataset=dataset["train"],
                  eval_dataset=dataset["validation"],

                  compute_metrics=compute_metrics)

trainer.train()

{'epoch': 1.0, 'eval_loss': 0.79, 'eval_accuracy': 0.00, 'eval_f1': 0.00}
{'epoch': 2.0, 'eval_loss': 0.65, 'eval_accuracy': 0.11, 'eval_f1': 0.15}

print(trainer.args.device)

cpu

Запуск аналізу тональності для e-commerce

sample_review = "This product is amazing!"

input_ids = tokenizer.encode(sample_review, return_tensors='pt')
print(f"Tokenized review: {input_ids}")

Tokenized review: tensor([[ 101, 2023, 4031, 2003, 6429,  999,  102 ]])

Запуск аналізу тональності для e-commerce

output = model(input_ids)
print(f"Output logits: {output.logits}")

Output logits: tensor([[ -0.0538, 0.1300 ]])

predicted_label = torch.argmax(output.logits, dim=1).item()
print(f"Predicted label: {predicted_label}")

Predicted label: 1

sentiment = "Negative" if predicted_label == 0 else "Positive"
print(f'The sentiment of the product review is "{sentiment}."')

The sentiment of the product review is "Positive."

Checkpoint-и з Trainer

Продовжити з останнього checkpoint, як пауза у фільмі

trainer.train(resume_from_checkpoint=True)

{'epoch': 3.0, 'eval_loss': 0.29, 'eval_accuracy': 0.37, 'eval_f1': 0.51}
{'epoch': 4.0, 'eval_loss': 0.23, 'eval_accuracy': 0.46, 'eval_f1': 0.58}

Продовжити з конкретного checkpoint у вихідній директорії

trainer.train(resume_from_checkpoint="model/checkpoint-1000")

Passons à la pratique !

Ефективне тренування моделей ШІ з PyTorch