আলিঙ্গন ফেস ট্রান্সফরমার এবং QloRA ব্যবহার করে ফাইন-টিউন জেমা

এই নির্দেশিকাটি আপনাকে Hugging Face Transformers এবং TRL ব্যবহার করে একটি কাস্টম টেক্সট-টু-এসকিউএল ডেটাসেটে জেমাকে কীভাবে সূক্ষ্ম-টিউন করতে হয় তা শেখাবে। আপনি শিখবেন:

  • কোয়ান্টাইজড লো-র‍্যাঙ্ক অ্যাডাপ্টেশন (QLoRA) কী?
  • ডেভেলপমেন্ট পরিবেশ সেটআপ করুন
  • ফাইন-টিউনিং ডেটাসেট তৈরি এবং প্রস্তুত করুন
  • TRL এবং SFTTrainer ব্যবহার করে জেমাকে সূক্ষ্মভাবে সুরক্ষিত করুন
  • মডেল ইনফারেন্স পরীক্ষা করুন এবং SQL কোয়েরি তৈরি করুন

কোয়ান্টাইজড লো-র‍্যাঙ্ক অ্যাডাপ্টেশন (QLoRA) কী?

এই নির্দেশিকাটি কোয়ান্টাইজড লো-র‍্যাঙ্ক অ্যাডাপ্টেশন (QLoRA) এর ব্যবহার প্রদর্শন করে, যা উচ্চ কর্মক্ষমতা বজায় রেখে কম্পিউটেশনাল রিসোর্সের প্রয়োজনীয়তা হ্রাস করে LLM গুলিকে দক্ষতার সাথে সূক্ষ্ম-টিউন করার জন্য একটি জনপ্রিয় পদ্ধতি হিসাবে আবির্ভূত হয়েছে। QloRA-তে, প্রি-ট্রেনড মডেলটিকে 4-বিটে কোয়ান্টাইজ করা হয় এবং ওজনগুলি হিমায়িত করা হয়। তারপর প্রশিক্ষণযোগ্য অ্যাডাপ্টার স্তরগুলি (LoRA) সংযুক্ত করা হয় এবং শুধুমাত্র অ্যাডাপ্টার স্তরগুলিকে প্রশিক্ষণ দেওয়া হয়। পরে, অ্যাডাপ্টারের ওজনগুলিকে বেস মডেলের সাথে একত্রিত করা যেতে পারে অথবা একটি পৃথক অ্যাডাপ্টার হিসাবে রাখা যেতে পারে।

ডেভেলপমেন্ট পরিবেশ সেটআপ করুন

প্রথম ধাপ হল TRL সহ Hugging Face Libraries এবং বিভিন্ন RLHF এবং অ্যালাইনমেন্ট কৌশল সহ ওপেন মডেলকে সূক্ষ্ম-টিউন করার জন্য ডেটাসেট ইনস্টল করা।

# 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

দ্রষ্টব্য: যদি আপনি অ্যাম্পিয়ার আর্কিটেকচার (যেমন NVIDIA L4) বা তার পরবর্তী GPU ব্যবহার করেন, তাহলে আপনি Flash attention ব্যবহার করতে পারেন। Flash attention হল এমন একটি পদ্ধতি যা গণনার গতি উল্লেখযোগ্যভাবে বৃদ্ধি করে এবং মেমোরির ব্যবহারকে দ্বিঘাত থেকে লিনিয়ার ইন সিকোয়েন্স লেন্থে হ্রাস করে, যার ফলে প্রশিক্ষণ 3x পর্যন্ত দ্রুততর হয়। FlashAttention এ আরও জানুন।

প্রশিক্ষণ শুরু করার আগে, আপনাকে নিশ্চিত করতে হবে যে আপনি জেমার ব্যবহারের শর্তাবলীতে সম্মত হয়েছেন। আপনি মডেল পৃষ্ঠায় http://huggingface.co/google/gemma-3-1b-pt-এ "সম্মতি এবং অ্যাক্সেস রিপোজিটরি" বোতামে ক্লিক করে হাগিং ফেসের লাইসেন্স গ্রহণ করতে পারেন।

লাইসেন্স গ্রহণ করার পর, মডেলটি অ্যাক্সেস করার জন্য আপনার একটি বৈধ Hugging Face Token প্রয়োজন। আপনি যদি Google Colab-এর ভিতরে কাজ করেন, তাহলে আপনি Colab secrets ব্যবহার করে আপনার Hugging Face Token নিরাপদে ব্যবহার করতে পারেন, অন্যথায় আপনি login পদ্ধতিতে সরাসরি টোকেনটি সেট করতে পারেন। প্রশিক্ষণের সময় আপনার মডেলটিকে হাবে ঠেলে দেওয়ার সময় নিশ্চিত করুন যে আপনার টোকেনে লেখার অ্যাক্সেসও আছে।

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)

ফাইন-টিউনিং ডেটাসেট তৈরি এবং প্রস্তুত করুন

LLM গুলিকে ফাইন-টিউন করার সময়, আপনার ব্যবহারের ধরণ এবং আপনি যে কাজটি সমাধান করতে চান তা জানা গুরুত্বপূর্ণ। এটি আপনাকে আপনার মডেলকে ফাইন-টিউন করার জন্য একটি ডেটাসেট তৈরি করতে সাহায্য করে। যদি আপনি এখনও আপনার ব্যবহারের ধরণ সংজ্ঞায়িত না করে থাকেন, তাহলে আপনি অঙ্কন বোর্ডে ফিরে যেতে চাইতে পারেন।

উদাহরণস্বরূপ, এই নির্দেশিকাটি নিম্নলিখিত ব্যবহারের ক্ষেত্রে ফোকাস করে:

  • ডেটা বিশ্লেষণ টুলে নিরবচ্ছিন্ন ইন্টিগ্রেশনের জন্য SQL মডেলের সাথে একটি প্রাকৃতিক ভাষাকে সূক্ষ্মভাবে সংযুক্ত করা। উদ্দেশ্য হল SQL কোয়েরি তৈরির জন্য প্রয়োজনীয় সময় এবং দক্ষতা উল্লেখযোগ্যভাবে হ্রাস করা, এমনকি অ-প্রযুক্তিগত ব্যবহারকারীরাও ডেটা থেকে অর্থপূর্ণ অন্তর্দৃষ্টি বের করতে সক্ষম করে।

LLM-গুলিকে সূক্ষ্মভাবে সুরক্ষিত করার জন্য টেক্সট-টু-এসকিউএল একটি ভালো ব্যবহারের ক্ষেত্র হতে পারে, কারণ এটি একটি জটিল কাজ যার জন্য ডেটা এবং SQL ভাষা সম্পর্কে প্রচুর (অভ্যন্তরীণ) জ্ঞান প্রয়োজন।

একবার আপনি যখন নির্ধারণ করে ফেলবেন যে ফাইন-টিউনিংই সঠিক সমাধান, তখন ফাইন-টিউন করার জন্য আপনার একটি ডেটাসেটের প্রয়োজন। ডেটাসেটটি আপনার সমাধান করতে চান এমন কাজ(গুলি) এর বিভিন্ন ধরণের প্রদর্শনের সেট হওয়া উচিত। এই ধরনের ডেটাসেট তৈরি করার বিভিন্ন উপায় রয়েছে, যার মধ্যে রয়েছে:

  • স্পাইডারের মতো বিদ্যমান ওপেন-সোর্স ডেটাসেট ব্যবহার করে
  • আলপাকার মতো এলএলএম দ্বারা তৈরি সিন্থেটিক ডেটাসেট ব্যবহার করা
  • মানুষের তৈরি ডেটাসেট ব্যবহার করা, যেমন ডলি
  • পদ্ধতির সংমিশ্রণ ব্যবহার করে, যেমন Orca

প্রতিটি পদ্ধতির নিজস্ব সুবিধা এবং অসুবিধা রয়েছে এবং এটি বাজেট, সময় এবং মানের প্রয়োজনীয়তার উপর নির্ভর করে। উদাহরণস্বরূপ, একটি বিদ্যমান ডেটাসেট ব্যবহার করা সবচেয়ে সহজ কিন্তু আপনার নির্দিষ্ট ব্যবহারের ক্ষেত্রে এটি তৈরি নাও হতে পারে, অন্যদিকে ডোমেন বিশেষজ্ঞদের ব্যবহার করা সবচেয়ে সঠিক হতে পারে তবে সময়সাপেক্ষ এবং ব্যয়বহুল হতে পারে। Orca: Progressive Learning from Complex Explanation Traces of GPT-4- এ দেখানো হয়েছে, একটি নির্দেশিকা ডেটাসেট তৈরি করার জন্য বেশ কয়েকটি পদ্ধতি একত্রিত করাও সম্ভব।

এই নির্দেশিকাটি ইতিমধ্যেই বিদ্যমান একটি ডেটাসেট ( philschmid/gretel-synthetic-text-to-sql ) ব্যবহার করে, যা একটি উচ্চমানের সিন্থেটিক টেক্সট-টু-এসকিউএল ডেটাসেট যার মধ্যে রয়েছে প্রাকৃতিক ভাষার নির্দেশাবলী, স্কিমা সংজ্ঞা, যুক্তি এবং সংশ্লিষ্ট SQL কোয়েরি।

Hugging Face TRL কথোপকথন ডেটাসেট ফর্ম্যাটের স্বয়ংক্রিয় টেমপ্লেটিং সমর্থন করে। এর অর্থ হল আপনাকে কেবল আপনার ডেটাসেটটিকে সঠিক JSON অবজেক্টে রূপান্তর করতে হবে এবং trl টেমপ্লেট করার এবং এটিকে সঠিক ফর্ম্যাটে রাখার যত্ন নেয়।

{"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": "..."}]}

philschmid/gretel-synthetic-text-to-sql-এ ১০০,০০০-এরও বেশি নমুনা রয়েছে। গাইডটি ছোট রাখার জন্য, এটির নমুনা কমিয়ে মাত্র ১০,০০০ নমুনা ব্যবহার করা হয়েছে।

আপনি এখন Hugging Face Datasets লাইব্রেরি ব্যবহার করে ডেটাসেট লোড করতে পারেন এবং প্রাকৃতিক ভাষা নির্দেশনা, স্কিমা সংজ্ঞা একত্রিত করার জন্য একটি প্রম্পট টেমপ্লেট তৈরি করতে পারেন এবং আপনার সহকারীর জন্য একটি সিস্টেম বার্তা যোগ করতে পারেন।

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"])

TRL এবং SFTTrainer ব্যবহার করে জেমাকে সূক্ষ্মভাবে সুরক্ষিত করুন

তুমি এখন তোমার মডেলটি সূক্ষ্মভাবে সুরক্ষিত করার জন্য প্রস্তুত। Hugging Face TRL SFTTrainer খোলা LLM গুলিকে সূক্ষ্মভাবে সুরক্ষিত করার কাজটিকে সহজ করে তোলে। SFTTrainer হল transformers লাইব্রেরির Trainer একটি সাবক্লাস এবং লগিং, মূল্যায়ন এবং চেকপয়েন্টিং সহ একই বৈশিষ্ট্যগুলিকে সমর্থন করে, তবে অতিরিক্ত জীবনযাত্রার মান বৈশিষ্ট্যগুলি যোগ করে, যার মধ্যে রয়েছে:

  • কথোপকথন এবং নির্দেশের ফর্ম্যাট সহ ডেটাসেট ফর্ম্যাটিং
  • প্রম্পট উপেক্ষা করে শুধুমাত্র সমাপ্তির উপর প্রশিক্ষণ
  • আরও দক্ষ প্রশিক্ষণের জন্য ডেটাসেট প্যাক করা
  • QloRA সহ প্যারামিটার-দক্ষ ফাইন-টিউনিং (PEFT) সমর্থন
  • কথোপকথনের সূক্ষ্ম-সুরকরণের জন্য মডেল এবং টোকেনাইজার প্রস্তুত করা (যেমন বিশেষ টোকেন যোগ করা)

নিম্নলিখিত কোডটি Hugging Face থেকে Gemma মডেল এবং টোকেনাইজার লোড করে এবং কোয়ান্টাইজেশন কনফিগারেশন শুরু করে।

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

SFTTrainer peft সাথে একটি নেটিভ ইন্টিগ্রেশন সমর্থন করে, যা QLoRA ব্যবহার করে দক্ষতার সাথে LLM টিউন করা সহজ করে তোলে। আপনাকে কেবল একটি LoraConfig তৈরি করতে হবে এবং এটি প্রশিক্ষককে প্রদান করতে হবে।

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
)

আপনার প্রশিক্ষণ শুরু করার আগে, আপনাকে SFTConfig ইনস্ট্যান্সে কোন হাইপারপ্যারামিটার ব্যবহার করতে চান তা নির্ধারণ করতে হবে।

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
    }
)

আপনার মডেলের প্রশিক্ষণ শুরু করার জন্য আপনার SFTTrainer তৈরি করার জন্য প্রয়োজনীয় প্রতিটি বিল্ডিং ব্লক এখন আপনার কাছে রয়েছে।

from trl import SFTTrainer

# Create Trainer object
trainer = SFTTrainer(
    model=model,
    args=args,
    train_dataset=dataset["train"],
    peft_config=peft_config,
    processing_class=tokenizer
)

train() পদ্ধতিতে কল করে প্রশিক্ষণ শুরু করুন।

# 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()

আপনার মডেলটি পরীক্ষা করার আগে, মেমরিটি খালি করতে ভুলবেন না।

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

QLoRA ব্যবহার করার সময়, আপনি শুধুমাত্র অ্যাডাপ্টার প্রশিক্ষণ দেবেন, সম্পূর্ণ মডেল নয়। এর অর্থ হল প্রশিক্ষণের সময় মডেল সংরক্ষণ করার সময় আপনি শুধুমাত্র অ্যাডাপ্টারের ওজন সংরক্ষণ করবেন, সম্পূর্ণ মডেল নয়। যদি আপনি সম্পূর্ণ মডেল সংরক্ষণ করতে চান, যা vLLM বা TGI এর মতো সার্ভিং স্ট্যাকের সাথে ব্যবহার করা সহজ করে তোলে, তাহলে আপনি merge_and_unload পদ্ধতি ব্যবহার করে অ্যাডাপ্টারের ওজনগুলিকে মডেল ওজনের সাথে মার্জ করতে পারেন এবং তারপর save_pretrained পদ্ধতি ব্যবহার করে মডেলটি সংরক্ষণ করতে পারেন। এটি একটি ডিফল্ট মডেল সংরক্ষণ করে, যা অনুমানের জন্য ব্যবহার করা যেতে পারে।

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")

মডেল ইনফারেন্স পরীক্ষা করুন এবং SQL কোয়েরি তৈরি করুন

প্রশিক্ষণ শেষ হওয়ার পর, আপনাকে আপনার মডেলটি মূল্যায়ন এবং পরীক্ষা করতে হবে। আপনি পরীক্ষার ডেটাসেট থেকে বিভিন্ন নমুনা লোড করতে পারেন এবং সেই নমুনাগুলিতে মডেলটি মূল্যায়ন করতে পারেন।

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)

আসুন টেস্ট ডেটাসেট থেকে একটি র‍্যান্ডম নমুনা লোড করি এবং একটি SQL কমান্ড তৈরি করি।

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()}")

সারাংশ এবং পরবর্তী পদক্ষেপ

এই টিউটোরিয়ালে TRL এবং QLoRA ব্যবহার করে একটি Gemma মডেলকে কীভাবে সূক্ষ্মভাবে সুরক্ষিত করা যায় তা আলোচনা করা হয়েছে। এরপর নিম্নলিখিত ডকুমেন্টগুলি দেখুন: