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 الضبط الدقيق الكمّي المنخفض الرتبة (QLoRA)، الذي أصبح طريقة شائعة لضبط النماذج اللغوية الكبيرة (LLM) بدقة وبفعالية، لأنّه يقلّل من 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 للتعزيز من خلال التعلّم البشري (RLHF) والمواءمة.
# Install Pytorch & other libraries
%pip install "torch>=2.4.0" tensorboard
# Install Gemma release branch from Hugging Face
%pip install "transformers>=4.51.3"
# Install Hugging Face libraries
%pip install --upgrade \
"datasets==3.3.2" \
"accelerate==1.4.0" \
"evaluate==0.4.3" \
"bitsandbytes==0.45.3" \
"trl==0.21.0" \
"peft==0.14.0" \
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.
قبل بدء التدريب، عليك التأكّد من قبول بنود استخدام Gemma. يمكنك قبول الترخيص على Hugging Face من خلال النقر على الزر "الموافقة والوصول إلى المستودع" في صفحة النموذج على الرابط: http://huggingface.co/google/gemma-3-1b-pt
بعد قبول الترخيص، تحتاج إلى رمز مميّز صالح من Hugging Face للوصول إلى النموذج. إذا كنت تستخدم Google Colab، يمكنك استخدام رمز Hugging Face Token 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.
from google.colab import userdata
from huggingface_hub import login
# Login into Hugging Face Hub
hf_token = userdata.get('HF_TOKEN') # If you are running inside a Google Colab
login(hf_token)
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 تحسين نموذج من اللغة الطبيعية إلى SQL لإجراء 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، وتعتمد على الميزانية والوقت ومتطلبات الجودة. على سبيل المثال، يُعدّ استخدام مجموعة بيانات حالية أسهل طريقة، ولكنّها قد لا تكون مصمّمة خصيصًا لحالة الاستخدام المحدّدة، بينما قد يكون استخدام خبراء في المجال هو الطريقة الأكثر دقة، ولكنّها قد تستغرق وقتًا طويلاً وتكون مكلفة. 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 يجمع بين 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 10,000 training samples and 2,500 test samples
dataset = dataset.train_test_split(test_size=2500/12500)
# Print formatted user prompt
print(dataset["train"][345]["messages"][1]["content"])
ضبط Gemma بدقة باستخدام TRL وSFTTrainer
أنت الآن جاهز لضبط نموذجك بدقة. تسهّل أداة SFTTrainer من Hugging Face TRL 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 وإعداد نقاط التوقف، 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
- إتاحة تقنية الضبط الدقيق الفعّالة من حيث المَعلمات (PEFT)، بما في ذلك QloRA
- تجهيز النموذج وأداة الترميز 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, AutoModelForCausalLM, AutoModelForImageTextToText, BitsAndBytesConfig
# Hugging Face model id
model_id = "google/gemma-3-1b-pt" # or `google/gemma-3-4b-pt`, `google/gemma-3-12b-pt`, `google/gemma-3-27b-pt`
# Select model class based on id
if model_id == "google/gemma-3-1b-pt":
model_class = AutoModelForCausalLM
else:
model_class = AutoModelForImageTextToText
# 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(
attn_implementation="eager", # Use "flash_attention_2" when running on Ampere or newer GPU
torch_dtype=torch_dtype, # What torch dtype to use, defaults to auto
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['torch_dtype'],
bnb_4bit_quant_storage=model_kwargs['torch_dtype'],
)
# Load model and tokenizer
model = model_class.from_pretrained(model_id, **model_kwargs)
tokenizer = AutoTokenizer.from_pretrained("google/gemma-3-1b-it") # Load the Instruction Tokenizer to use the official Gemma template
تتيح SFTTrainer إمكانية الدمج الأصلي 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
)
قبل بدء التدريب، عليك تحديد المعلمات الفائقة التي تريد استخدامها في مثيل SFTConfig.
from trl import SFTConfig
args = SFTConfig(
output_dir="gemma-text-to-sql", # directory to save and repository id
max_length=512, # max sequence length for model and packing of the dataset
packing=True, # Groups multiple samples in the dataset into a single sequence
num_train_epochs=3, # number of training epochs
per_device_train_batch_size=1, # batch size per device during training
gradient_accumulation_steps=4, # number of steps before performing a backward/update pass
gradient_checkpointing=True, # use gradient checkpointing to save memory
optim="adamw_torch_fused", # use fused adamw optimizer
logging_steps=10, # log every 10 steps
save_strategy="epoch", # save checkpoint every epoch
learning_rate=2e-4, # learning rate, based on QLoRA paper
fp16=True if torch_dtype == torch.float16 else False, # use float16 precision
bf16=True if torch_dtype == torch.bfloat16 else False, # use bfloat16 precision
max_grad_norm=0.3, # max gradient norm based on QLoRA paper
warmup_ratio=0.03, # warmup ratio 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, # We template with special tokens
"append_concat_token": True, # Add EOS token as separator token between examples
}
)
أصبح لديك الآن كلّ لبنات البناء التي 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"],
peft_config=peft_config,
processing_class=tokenizer
)
ابدأ التدريب من خلال استدعاء طريقة 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()
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 = model_class.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")
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 = "gemma-text-to-sql"
# Load Model with PEFT adapter
model = model_class.from_pretrained(
model_id,
device_map="auto",
torch_dtype=torch_dtype,
attn_implementation="eager",
)
tokenizer = AutoTokenizer.from_pretrained(model_id)
لنحمّل عيّنة عشوائية من مجموعة البيانات الاختبارية وننشئ أمر SQL.
from random import randint
import re
# 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"])-1)
test_sample = dataset["test"][rand_idx]
# Convert as test example into a prompt with the Gemma template
stop_token_ids = [tokenizer.eos_token_id, tokenizer.convert_tokens_to_ids("<end_of_turn>")]
prompt = pipe.tokenizer.apply_chat_template(test_sample["messages"][:2], tokenize=False, add_generation_prompt=True)
# Generate our SQL query.
outputs = pipe(prompt, max_new_tokens=256, do_sample=False, temperature=0.1, top_k=50, top_p=0.1, eos_token_id=stop_token_ids, disable_compile=True)
# Extract the user query and original answer
print(f"Context:\n", re.search(r'<SCHEMA>\n(.*?)\n</SCHEMA>', test_sample['messages'][0]['content'], re.DOTALL).group(1).strip())
print(f"Query:\n", re.search(r'<USER_QUERY>\n(.*?)\n</USER_QUERY>', test_sample['messages'][0]['content'], re.DOTALL).group(1).strip())
print(f"Original Answer:\n{test_sample['messages'][1]['content']}")
print(f"Generated Answer:\n{outputs[0]['generated_text'][len(prompt):].strip()}")
الملخّص والخطوات التالية
تناول هذا البرنامج التعليمي كيفية ضبط نموذج Gemma باستخدام TRL وQLoRA. يمكنك الاطّلاع على المستندات التالية:
- كيفية إنشاء نص باستخدام نموذج Gemma
- كيفية ضبط Gemma بدقة لمهام تتضمّن الصور باستخدام Hugging Face Transformers
- كيفية إجراء عملية ضبط دقيق للنموذج الكامل باستخدام مكتبة Hugging Face Transformers
- كيفية إجراء عملية الضبط الدقيق والاستنتاج الموزّع على نموذج Gemma
- كيفية استخدام نماذج Gemma المفتوحة المصدر مع Vertex AI
- كيفية ضبط نموذج Gemma بدقة باستخدام KerasNLP ونشره على Vertex AI