تحسين Gemma باستخدام Hugging Face Transformers وQloRA

عرض على ai.google.dev التشغيل في Google Colab التشغيل في Kaggle الفتح في Vertex AI عرض المصدر على GitHub

يرشدك هذا الدليل إلى كيفية ضبط Gemma بدقة على مجموعة بيانات مخصّصة لتحويل النص إلى SQL باستخدام Transformers وTRL من Hugging Face. ستتعرّف على:

  • ما هي تقنية QLoRA؟
  • إعداد بيئة التطوير
  • إنشاء مجموعة بيانات الضبط الدقيق وإعدادها
  • ضبط Gemma بدقة باستخدام TRL وSFTTrainer
  • اختبار استنتاج النموذج وإنشاء طلبات بحث بلغة الاستعلامات البنيوية (SQL)

ما هي تقنية QLoRA؟

يوضّح هذا الدليل كيفية استخدام Quantized Low-Rank Adaptation (QLoRA)، وهي طريقة شائعة لضبط النماذج اللغوية الكبيرة بدقة وبكفاءة لأنّها تقلّل متطلبات موارد الحوسبة مع الحفاظ على الأداء العالي. في QloRA، يتم تحديد كمية النموذج المدرَّب مسبقًا إلى 4 بت وتجميد الأوزان. بعد ذلك، يتم إرفاق طبقات المحوّل القابلة للتدريب (LoRA) ويتم تدريب طبقات المحوّل فقط. بعد ذلك، يمكن دمج أوزان المحوّل مع النموذج الأساسي أو الاحتفاظ بها كمحوّل منفصل.

إعداد بيئة التطوير

الخطوة الأولى هي تثبيت مكتبات Hugging Face، بما في ذلك TRL ومجموعات البيانات لضبط النموذج المفتوح بدقة، بما في ذلك تقنيات مختلفة لتعزيز التعلّم من خلال التقييم البشري (RLHF) والمواءمة.

# Install Pytorch & other libraries
%pip install torch tensorboard

# Install Transformers
%pip install transformers

# Install Hugging Face libraries
%pip install datasets accelerate evaluate bitsandbytes trl peft protobuf sentencepiece

# COMMENT IN: if you are running on a GPU that supports BF16 data type and flash attn, such as NVIDIA L4 or NVIDIA A100
#%pip install flash-attn

ملاحظة: إذا كنت تستخدم وحدة معالجة الرسومات (GPU) ببنية Ampere (مثل NVIDIA L4) أو أحدث، يمكنك استخدام Flash attention. ‫Flash Attention هي طريقة تسرّع العمليات الحسابية بشكل كبير وتقلّل من استخدام الذاكرة من تربيعي إلى خطي في طول التسلسل، ما يؤدي إلى تسريع التدريب بمقدار 3 مرات. يمكنك الاطّلاع على مزيد من المعلومات على FlashAttention.

يجب أن يكون لديك رمز مميّز صالح من Hugging Face لنشر النموذج. إذا كنت تستخدم Google Colab، يمكنك استخدام رمز Hugging Face المميز بشكل آمن باستخدام أسرار Colab، وإلا يمكنك ضبط الرمز المميز مباشرةً في طريقة login. تأكَّد من أنّ الرمز المميّز لديه إذن الوصول للكتابة أيضًا، لأنّك ستنقل النموذج إلى Hub أثناء التدريب.

# Login into Hugging Face Hub
from huggingface_hub import login
login()

إنشاء مجموعة بيانات الضبط الدقيق وإعدادها

عند إجراء عملية الضبط الدقيق للنماذج اللغوية الكبيرة، من المهم معرفة حالة الاستخدام والمهمة التي تريد حلّها. يساعدك ذلك في إنشاء مجموعة بيانات لضبط النموذج بدقة. إذا لم تحدّد حالة الاستخدام بعد، قد تحتاج إلى إعادة التفكير في الأمر.

على سبيل المثال، يركّز هذا الدليل على حالة الاستخدام التالية:

  • يمكنك ضبط نموذج من اللغة الطبيعية إلى SQL بدقة لتحقيق تكامل سلس مع أداة تحليل البيانات. والهدف من ذلك هو تقليل الوقت والخبرة اللازمَين لإنشاء طلبات بحث SQL بشكل كبير، ما يتيح حتى للمستخدمين غير التقنيين استخراج إحصاءات مفيدة من البيانات.

يمكن أن يكون تحويل النص إلى SQL حالة استخدام جيدة لضبط النماذج اللغوية الكبيرة، لأنّها مهمة معقّدة تتطلّب الكثير من المعرفة (الداخلية) حول البيانات ولغة SQL.

بعد تحديد أنّ الضبط الدقيق هو الحلّ المناسب، تحتاج إلى مجموعة بيانات لإجراء الضبط الدقيق. يجب أن تكون مجموعة البيانات مجموعة متنوعة من العروض التوضيحية للمهام التي تريد حلّها. هناك عدة طرق لإنشاء مجموعة بيانات من هذا النوع، بما في ذلك:

  • استخدام مجموعات بيانات حالية مفتوحة المصدر، مثل Spider
  • استخدام مجموعات البيانات الاصطناعية التي أنشأتها نماذج اللغات الكبيرة، مثل Alpaca
  • استخدام مجموعات بيانات أنشأها أشخاص، مثل Dolly
  • استخدام مجموعة من الطرق، مثل Orca

لكل طريقة مزاياها وعيوبها الخاصة، وتعتمد على الميزانية والوقت ومتطلبات الجودة. على سبيل المثال، استخدام مجموعة بيانات حالية هو الأسهل ولكن قد لا يكون مصمّمًا خصيصًا لحالة الاستخدام المحدّدة، بينما قد يكون استخدام خبراء في المجال هو الأكثر دقة ولكن يمكن أن يستغرق وقتًا طويلاً ويكون مكلفًا. من الممكن أيضًا الجمع بين عدة طرق لإنشاء مجموعة بيانات تعليمات، كما هو موضّح في Orca: Progressive Learning from Complex Explanation Traces of GPT-4.

يستخدم هذا الدليل مجموعة بيانات حالية (philschmid/gretel-synthetic-text-to-sql)، وهي مجموعة بيانات اصطناعية عالية الجودة من النص إلى SQL تتضمّن تعليمات باللغة الطبيعية وتعريفات المخطط والاستدلال واستعلام SQL المقابل.

تتيح مكتبة Hugging Face TRL إنشاء نماذج تلقائية لتنسيقات مجموعات بيانات المحادثات. هذا يعني أنّه عليك فقط تحويل مجموعة البيانات إلى عناصر json الصحيحة، وستتولّى trl مهمة إنشاء النماذج ووضعها بالتنسيق الصحيح.

{"messages": [{"role": "system", "content": "You are..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "You are..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "You are..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}

يحتوي philschmid/gretel-synthetic-text-to-sql على أكثر من 100 ألف عيّنة. للحفاظ على حجم الدليل صغيرًا، يتم تقليل عدد العيّنات إلى 10,000 عيّنة فقط.

يمكنك الآن استخدام مكتبة Hugging Face Datasets لتحميل مجموعة البيانات وإنشاء نموذج طلب لدمج تعليمات اللغة الطبيعية وتعريف المخطط وإضافة رسالة نظام للمساعد.

from datasets import load_dataset

# System message for the assistant
system_message = """You are a text to SQL query translator. Users will ask you questions in English and you will generate a SQL query based on the provided SCHEMA."""

# User prompt that combines the user query and the schema
user_prompt = """Given the <USER_QUERY> and the <SCHEMA>, generate the corresponding SQL command to retrieve the desired data, considering the query's syntax, semantics, and schema constraints.

<SCHEMA>
{context}
</SCHEMA>

<USER_QUERY>
{question}
</USER_QUERY>
"""
def create_conversation(sample):
  return {
    "messages": [
      {"role": "system", "content": system_message},
      {"role": "user", "content": user_prompt.format(question=sample["sql_prompt"], context=sample["sql_context"])},
      {"role": "assistant", "content": sample["sql"]}
    ]
  }

# Load dataset from the hub
dataset = load_dataset("philschmid/gretel-synthetic-text-to-sql", split="train")
dataset = dataset.shuffle().select(range(12500))

# Convert dataset to OAI messages
dataset = dataset.map(create_conversation, remove_columns=dataset.features,batched=False)
# split dataset into 80% training samples and 20% test samples
dataset = dataset.train_test_split(test_size=0.2)

# Print formatted user prompt
for item in dataset["train"][0]["messages"]:
  print(item)
README.md:   0%|          | 0.00/737 [00:00<?, ?B/s]
synthetic_text_to_sql_train.snappy.parqu(…):   0%|          | 0.00/32.4M [00:00<?, ?B/s]
synthetic_text_to_sql_test.snappy.parque(…):   0%|          | 0.00/1.90M [00:00<?, ?B/s]
Generating train split:   0%|          | 0/100000 [00:00<?, ? examples/s]
Generating test split:   0%|          | 0/5851 [00:00<?, ? examples/s]
Map:   0%|          | 0/12500 [00:00<?, ? examples/s]
{'content': 'You are a text to SQL query translator. Users will ask you questions in English and you will generate a SQL query based on the provided SCHEMA.', 'role': 'system'}
{'content': "Given the <USER_QUERY> and the <SCHEMA>, generate the corresponding SQL command to retrieve the desired data, considering the query's syntax, semantics, and schema constraints.\n\n<SCHEMA>\nCREATE TABLE Menu (id INT PRIMARY KEY, name VARCHAR(255), category VARCHAR(255), price DECIMAL(5,2));\n</SCHEMA>\n\n<USER_QUERY>\nCalculate the average price of all menu items in the Vegan category\n</USER_QUERY>\n", 'role': 'user'}
{'content': "SELECT AVG(price) FROM Menu WHERE category = 'Vegan';", 'role': 'assistant'}

ضبط Gemma بدقة باستخدام TRL وSFTTrainer

أنت الآن جاهز لضبط النموذج بدقة. تسهّل أداة SFTTrainer من مكتبة TRL في Hugging Face عملية الإشراف على الضبط الدقيق لنماذج اللغات الكبيرة المفتوحة. ‫SFTTrainer هي فئة فرعية من Trainer من مكتبة transformers وتتيح جميع الميزات نفسها، بما في ذلك التسجيل والتقييم وإنشاء نقاط التحقّق، ولكنها تضيف ميزات إضافية تسهّل تجربة المستخدم، مثل:

  • تنسيق مجموعات البيانات، بما في ذلك التنسيقات الحوارية وتنسيقات التعليمات
  • التدريب على عمليات الإكمال فقط، مع تجاهل الطلبات
  • تجميع مجموعات البيانات لتدريب أكثر كفاءة
  • توفير تقنية الضبط الدقيق الفعّالة من حيث المَعلمات، بما في ذلك QloRA
  • تجهيز النموذج وأداة تقسيم النص لعملية الضبط الدقيق للمحادثات (مثل إضافة رموز مميزة)

يحمّل الرمز التالي نموذج Gemma وأداة الترميز من Hugging Face ويهيئ إعدادات التكميم.

import torch
from transformers import AutoTokenizer, AutoModelForImageTextToText, BitsAndBytesConfig

# Hugging Face model id
model_id = "google/gemma-4-E2B" # @param ["google/gemma-4-E2B","google/gemma-4-E4B"] {"allow-input":true}

# Check if GPU benefits from bfloat16
if torch.cuda.get_device_capability()[0] >= 8:
    torch_dtype = torch.bfloat16
else:
    torch_dtype = torch.float16

# Define model init arguments
model_kwargs = dict(
    dtype=torch_dtype,
    device_map="auto", # Let torch decide how to load the model
)

# BitsAndBytesConfig: Enables 4-bit quantization to reduce model size/memory usage
model_kwargs["quantization_config"] = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_use_double_quant=True,
    bnb_4bit_quant_type='nf4',
    bnb_4bit_compute_dtype=model_kwargs['dtype'],
    bnb_4bit_quant_storage=model_kwargs['dtype'],
)

# Load model and tokenizer
model = AutoModelForImageTextToText.from_pretrained(model_id, **model_kwargs)
tokenizer = AutoTokenizer.from_pretrained("google/gemma-4-E2B-it") # Load the Instruction Tokenizer to use the official Gemma template
config.json: 0.00B [00:00, ?B/s]
model.safetensors:   0%|          | 0.00/10.2G [00:00<?, ?B/s]
Loading weights:   0%|          | 0/2011 [00:00<?, ?it/s]
generation_config.json:   0%|          | 0.00/181 [00:00<?, ?B/s]
config.json: 0.00B [00:00, ?B/s]
tokenizer_config.json: 0.00B [00:00, ?B/s]
tokenizer.json:   0%|          | 0.00/32.2M [00:00<?, ?B/s]
chat_template.jinja: 0.00B [00:00, ?B/s]

تتيح SFTTrainer إمكانية الدمج المضمّن مع peft، ما يسهّل ضبط النماذج اللغوية الكبيرة بكفاءة باستخدام QLoRA. ما عليك سوى إنشاء LoraConfig وتقديمه للمدرّب.

from peft import LoraConfig

peft_config = LoraConfig(
    lora_alpha=16,
    lora_dropout=0.05,
    r=16,
    bias="none",
    target_modules="all-linear",
    task_type="CAUSAL_LM",
    modules_to_save=["lm_head", "embed_tokens"], # make sure to save the lm_head and embed_tokens as you train the special tokens
    ensure_weight_tying=True,
)

قبل بدء التدريب، عليك تحديد المعلمات الفائقة التي تريد استخدامها في مثيل SFTConfig.

import torch
from trl import SFTConfig

args = SFTConfig(
    output_dir="gemma-text-to-sql",         # directory to save and repository id
    max_length=512,                         # max length for model and packing of the dataset
    num_train_epochs=3,                     # number of training epochs
    per_device_train_batch_size=1,          # batch size per device during training
    optim="adamw_torch_fused",              # use fused adamw optimizer
    logging_steps=10,                       # log every 10 steps
    save_strategy="epoch",                  # save checkpoint every epoch
    eval_strategy="epoch",                  # evaluate checkpoint every epoch
    learning_rate=5e-5,                     # learning rate
    fp16=True if model.dtype == torch.float16 else False,   # use float16 precision
    bf16=True if model.dtype == torch.bfloat16 else False,   # use bfloat16 precision
    max_grad_norm=0.3,                      # max gradient norm based on QLoRA paper
    lr_scheduler_type="constant",           # use constant learning rate scheduler
    push_to_hub=True,                           # push model to hub
    report_to="tensorboard",                # report metrics to tensorboard
    dataset_kwargs={
        "add_special_tokens": False, # Template with special tokens
        "append_concat_token": True, # Add EOS token as separator token between examples
    }
)

أصبح لديك الآن كلّ وحدة أساسية تحتاج إليها لإنشاء SFTTrainer من أجل بدء تدريب النموذج.

from trl import SFTTrainer

# Create Trainer object
trainer = SFTTrainer(
    model=model,
    args=args,
    train_dataset=dataset["train"],
    eval_dataset=dataset["test"],
    peft_config=peft_config,
    processing_class=tokenizer,
)
Tokenizing train dataset:   0%|          | 0/10000 [00:00<?, ? examples/s]
Tokenizing eval dataset:   0%|          | 0/2500 [00:00<?, ? examples/s]

ابدأ التدريب من خلال استدعاء الطريقة train().

# Start training, the model will be automatically saved to the Hub and the output directory
trainer.train()

# Save the final model again to the Hugging Face Hub
trainer.save_model()
The tokenizer has new PAD/BOS/EOS tokens that differ from the model config and generation config. The model config and generation config were aligned accordingly, being updated with the tokenizer's values. Updated tokens: {'eos_token_id': 1, 'bos_token_id': 2, 'pad_token_id': 0}.

قبل أن تتمكّن من اختبار النموذج، احرص على إخلاء الذاكرة.

# free the memory again
del model
del trainer
torch.cuda.empty_cache()

عند استخدام QLoRA، يتم تدريب المهايئات فقط وليس النموذج الكامل. وهذا يعني أنّه عند حفظ النموذج أثناء التدريب، يتم حفظ أوزان المحوّل فقط وليس النموذج الكامل. إذا أردت حفظ النموذج الكامل، ما يسهّل استخدامه مع حِزم العرض مثل vLLM أو TGI، يمكنك دمج أوزان المحوّل في أوزان النموذج باستخدام طريقة merge_and_unload، ثم حفظ النموذج باستخدام طريقة save_pretrained. يؤدي ذلك إلى حفظ نموذج تلقائي يمكن استخدامه للاستنتاج.

from peft import PeftModel

# Load Model base model
model = AutoModelForImageTextToText.from_pretrained(model_id, low_cpu_mem_usage=True)

# Merge LoRA and base model and save
peft_model = PeftModel.from_pretrained(model, args.output_dir)
merged_model = peft_model.merge_and_unload()
merged_model.save_pretrained("merged_model", safe_serialization=True, max_shard_size="2GB")

processor = AutoTokenizer.from_pretrained(args.output_dir)
processor.save_pretrained("merged_model")
Loading weights:   0%|          | 0/2011 [00:00<?, ?it/s]
Writing model shards:   0%|          | 0/5 [00:00<?, ?it/s]
('merged_model/tokenizer_config.json',
 'merged_model/chat_template.jinja',
 'merged_model/tokenizer.json')

اختبار استنتاج النموذج وإنشاء طلبات بحث بلغة الاستعلامات البنيوية (SQL)

بعد اكتمال التدريب، عليك تقييم النموذج واختباره. يمكنك تحميل عيّنات مختلفة من مجموعة بيانات الاختبار وتقييم النموذج استنادًا إلى هذه العيّنات.

import torch
from transformers import pipeline

model_id = "merged_model"

# Load Model with PEFT adapter
model = AutoModelForImageTextToText.from_pretrained(
  model_id,
  device_map="auto",
  dtype="auto",
)
tokenizer = AutoTokenizer.from_pretrained(model_id)
Loading weights:   0%|          | 0/2012 [00:00<?, ?it/s]
The tied weights mapping and config for this model specifies to tie model.language_model.embed_tokens.weight to lm_head.weight, but both are present in the checkpoints with different values, so we will NOT tie them. You should update the config with `tie_word_embeddings=False` to silence this warning.

لنحمّل عيّنة عشوائية من مجموعة البيانات الاختبارية وننشئ أمر SQL.

from random import randint
import re
from transformers import pipeline, GenerationConfig

config = GenerationConfig.from_pretrained(model_id)
config.max_new_tokens = 256

# Load the model and tokenizer into the pipeline
pipe = pipeline("text-generation", model=model, tokenizer=tokenizer)

# Load a random sample from the test dataset
rand_idx = randint(0, len(dataset["test"]))
test_sample = dataset["test"][rand_idx]

# Convert as test example into a prompt with the Gemma template
prompt = pipe.tokenizer.apply_chat_template(test_sample["messages"][:2], tokenize=False, add_generation_prompt=True)
print(prompt)

# Generate our SQL query.
outputs = pipe(prompt, generation_config=config)

# Extract the user query and original answer
print(f"Context:\n", re.search(r'<SCHEMA>\n(.*?)\n</SCHEMA>', test_sample['messages'][1]['content'], re.DOTALL).group(1).strip())
print(f"Query:\n", re.search(r'<USER_QUERY>\n(.*?)\n</USER_QUERY>', test_sample['messages'][1]['content'], re.DOTALL).group(1).strip())
print(f"Original Answer:\n{test_sample['messages'][2]['content']}")
print(f"Generated Answer:\n{outputs[0]['generated_text'][len(prompt):].strip()}")
<bos><|turn>system
You are a text to SQL query translator. Users will ask you questions in English and you will generate a SQL query based on the provided SCHEMA.<turn|>
<|turn>user
Given the <USER_QUERY> and the <SCHEMA>, generate the corresponding SQL command to retrieve the desired data, considering the query's syntax, semantics, and schema constraints.

<SCHEMA>
CREATE TABLE broadband_plans (plan_id INT, plan_name VARCHAR(255), download_speed INT, upload_speed INT, price DECIMAL(5,2));
</SCHEMA>

<USER_QUERY>
Delete a broadband plan from the 'broadband_plans' table
</USER_QUERY><turn|>
<|turn>model

Context:
 CREATE TABLE broadband_plans (plan_id INT, plan_name VARCHAR(255), download_speed INT, upload_speed INT, price DECIMAL(5,2));
Query:
 Delete a broadband plan from the 'broadband_plans' table
Original Answer:
DELETE FROM broadband_plans WHERE plan_id = 3001;
Generated Answer:
DELETE FROM broadband_plans
WHERE plan_name = 'Basic';

الملخّص والخطوات التالية

تناول هذا البرنامج التعليمي كيفية ضبط نموذج Gemma باستخدام TRL وQLoRA. يمكنك الاطّلاع على المستندات التالية: