আলিঙ্গন ফেস ট্রান্সফরমার এবং QloRA ব্যবহার করে ফাইন-টিউন জেমা

ai.google.dev-এ দেখুন গুগল কোলাবে চালান Kaggle-এ চালান ভার্টেক্স এআই-তে খুলুন গিটহাবে উৎস দেখুন

এই নির্দেশিকাটি আপনাকে হাগিং ফেস ট্রান্সফর্মার এবং টিআরএল ব্যবহার করে একটি কাস্টম টেক্সট-টু-এসকিউএল ডেটাসেটে জেমা ফাইন-টিউন করার পদ্ধতি ধাপে ধাপে দেখাবে। আপনি শিখবেন:

  • কোয়ান্টাইজড লো-র‍্যাঙ্ক অ্যাডাপটেশন (QLoRA) কী?
  • উন্নয়ন পরিবেশ সেটআপ করুন
  • ফাইন-টিউনিং ডেটাসেট তৈরি ও প্রস্তুত করুন
  • TRL এবং SFTTrainer ব্যবহার করে Gemma-কে সূক্ষ্মভাবে সমন্বয় করুন।
  • মডেল ইনফারেন্স পরীক্ষা করুন এবং SQL কোয়েরি তৈরি করুন

কোয়ান্টাইজড লো-র‍্যাঙ্ক অ্যাডাপটেশন (QLoRA) কী?

এই নির্দেশিকাটি কোয়ান্টাইজড লো-র‍্যাঙ্ক অ্যাডাপটেশন (QLoRA)- এর ব্যবহার প্রদর্শন করে, যা উচ্চ পারফরম্যান্স বজায় রেখে কম্পিউটেশনাল রিসোর্সের প্রয়োজনীয়তা হ্রাস করার মাধ্যমে এলএলএম (LLM)-কে দক্ষতার সাথে ফাইন-টিউন করার একটি জনপ্রিয় পদ্ধতি হিসেবে আবির্ভূত হয়েছে। QloRA-তে, প্রি-ট্রেইনড মডেলটিকে ৪-বিটে কোয়ান্টাইজ করা হয় এবং এর ওয়েটগুলো ফ্রিজ করা হয়। এরপর ট্রেইনেবল অ্যাডাপ্টার লেয়ার (LoRA) সংযুক্ত করা হয় এবং শুধুমাত্র অ্যাডাপ্টার লেয়ারগুলোকেই ট্রেইন করা হয়। পরবর্তীতে, অ্যাডাপ্টার ওয়েটগুলোকে বেস মডেলের সাথে মার্জ করা যেতে পারে অথবা একটি পৃথক অ্যাডাপ্টার হিসেবে রাখা যেতে পারে।

উন্নয়ন পরিবেশ সেটআপ করুন

প্রথম ধাপ হলো TRL সহ হাগিং ফেস লাইব্রেরি এবং বিভিন্ন RLHF ও অ্যালাইনমেন্ট কৌশলসহ ওপেন মডেলকে ফাইন-টিউন করার জন্য ডেটাসেট ইনস্টল করা।

# Install Pytorch & other libraries
%pip install torch tensorboard
%pip install -U torchao

# Install Transformers
%pip install "transformers>=5.10.1"

# Install Hugging Face libraries
%pip install datasets accelerate evaluate bitsandbytes trl "peft>=0.19.0" 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: আপনি যদি অ্যাম্পিয়ার আর্কিটেকচার (যেমন এনভিডিয়া এল৪) বা তার চেয়ে নতুন কোনো জিপিইউ ব্যবহার করেন, তাহলে আপনি ফ্ল্যাশ অ্যাটেনশন ব্যবহার করতে পারেন। ফ্ল্যাশ অ্যাটেনশন এমন একটি পদ্ধতি যা গণনার গতি উল্লেখযোগ্যভাবে বাড়িয়ে দেয় এবং সিকোয়েন্সের দৈর্ঘ্যের সাপেক্ষে মেমরি ব্যবহার দ্বিঘাত থেকে রৈখিক হারে কমিয়ে আনে, যার ফলে প্রশিক্ষণের গতি ৩ গুণ পর্যন্ত বৃদ্ধি পায়। ফ্ল্যাশঅ্যাটেনশন সম্পর্কে আরও জানুন।

আপনার মডেল প্রকাশ করার জন্য একটি বৈধ হাগিং ফেস টোকেন প্রয়োজন। আপনি যদি গুগল কোলাবের মধ্যে কাজ করেন, তবে কোলাব সিক্রেটস ব্যবহার করে নিরাপদে আপনার হাগিং ফেস টোকেন ব্যবহার করতে পারেন, অন্যথায় আপনি সরাসরি login পদ্ধতিতে টোকেনটি সেট করতে পারেন। নিশ্চিত করুন যে আপনার টোকেনের রাইট অ্যাক্সেসও আছে, কারণ প্রশিক্ষণের সময় আপনি আপনার মডেলটি হাবে পুশ করবেন।

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

ফাইন-টিউনিং ডেটাসেট তৈরি ও প্রস্তুত করুন

এলএলএম (LLM) ফাইন-টিউনিং করার সময়, আপনার ব্যবহারের ক্ষেত্র (use case) এবং আপনি যে কাজটি সমাধান করতে চান, তা জানা জরুরি। এটি আপনার মডেলকে ফাইন-টিউনিং করার জন্য একটি ডেটাসেট তৈরি করতে সাহায্য করে। আপনি যদি এখনও আপনার ব্যবহারের ক্ষেত্রটি নির্ধারণ না করে থাকেন, তবে আপনাকে আবার প্রথম থেকে শুরু করতে হতে পারে।

উদাহরণস্বরূপ, এই নির্দেশিকাটি নিম্নলিখিত ব্যবহারের ক্ষেত্রটির উপর আলোকপাত করে:

  • ডেটা বিশ্লেষণ টুলে নির্বিঘ্নে সংযুক্ত করার জন্য একটি ন্যাচারাল ল্যাঙ্গুয়েজ থেকে SQL মডেলকে সূক্ষ্মভাবে সমন্বয় করুন। এর উদ্দেশ্য হলো SQL কোয়েরি তৈরির জন্য প্রয়োজনীয় সময় ও দক্ষতার পরিমাণ উল্লেখযোগ্যভাবে কমানো, যা এমনকি অ-প্রযুক্তিগত ব্যবহারকারীদেরও ডেটা থেকে অর্থপূর্ণ অন্তর্দৃষ্টি আহরণ করতে সক্ষম করে।

এলএলএম-কে সূক্ষ্মভাবে সমন্বয় করার জন্য টেক্সট-টু-এসকিউএল একটি ভালো প্রয়োগক্ষেত্র হতে পারে, কারণ এটি একটি জটিল কাজ যার জন্য ডেটা এবং এসকিউএল ভাষা সম্পর্কে প্রচুর (অভ্যন্তরীণ) জ্ঞানের প্রয়োজন হয়।

একবার আপনি নিশ্চিত হয়ে গেলে যে ফাইন-টিউনিংই সঠিক সমাধান, তখন ফাইন-টিউনিং করার জন্য আপনার একটি ডেটাসেট প্রয়োজন হবে। ডেটাসেটটিতে আপনার সমাধান করতে চাওয়া কাজ(গুলো)র বিভিন্ন ধরনের প্রদর্শনী থাকা উচিত। এই ধরনের ডেটাসেট তৈরি করার বেশ কয়েকটি উপায় রয়েছে, যার মধ্যে অন্তর্ভুক্ত হলো:

  • স্পাইডারের মতো বিদ্যমান ওপেন-সোর্স ডেটাসেট ব্যবহার করে
  • এলএলএম দ্বারা তৈরি কৃত্রিম ডেটাসেট ব্যবহার করে, যেমন আলপাকা
  • মানুষের তৈরি ডেটাসেট ব্যবহার করে, যেমন ডলি
  • বিভিন্ন পদ্ধতির সংমিশ্রণ ব্যবহার করে, যেমন ওরকা

প্রতিটি পদ্ধতিরই নিজস্ব সুবিধা ও অসুবিধা রয়েছে এবং এটি বাজেট, সময় ও গুণগত মানের চাহিদার উপর নির্ভর করে। উদাহরণস্বরূপ, বিদ্যমান ডেটাসেট ব্যবহার করা সবচেয়ে সহজ, কিন্তু এটি আপনার নির্দিষ্ট ব্যবহারের ক্ষেত্রের জন্য উপযুক্ত নাও হতে পারে, অন্যদিকে ডোমেইন বিশেষজ্ঞদের সাহায্য নেওয়া সবচেয়ে নির্ভুল হতে পারে, কিন্তু তা সময়সাপেক্ষ ও ব্যয়বহুল হতে পারে। কয়েকটি পদ্ধতিকে একত্রিত করে একটি নির্দেশনামূলক ডেটাসেট তৈরি করাও সম্ভব, যেমনটি "Orca: Progressive Learning from Complex Explanation Traces of GPT-4" শীর্ষক লেখায় দেখানো হয়েছে।

এই নির্দেশিকাটি একটি পূর্ব-বিদ্যমান ডেটাসেট ( philschmid/gretel-synthetic-text-to-sql ) ব্যবহার করে, যা একটি উচ্চ-মানের সিন্থেটিক টেক্সট-টু-এসকিউএল ডেটাসেট এবং এতে স্বাভাবিক ভাষার নির্দেশাবলী, স্কিমা সংজ্ঞা, রিজনিং এবং সংশ্লিষ্ট SQL কোয়েরি অন্তর্ভুক্ত রয়েছে।

হাগিং ফেস টিআরএল কথোপকথন ডেটাসেট ফরম্যাটের স্বয়ংক্রিয় টেমপ্লেটিং সমর্থন করে। এর মানে হলো, আপনাকে শুধু আপনার ডেটাসেটকে সঠিক json অবজেক্টে রূপান্তর করতে হবে, এবং trl টেমপ্লেটিং ও এটিকে সঠিক ফরম্যাটে সাজানোর কাজটি করে দেবে।

{"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 ফাইলটিতে এক লক্ষেরও বেশি স্যাম্পল রয়েছে। গাইডটিকে ছোট রাখার জন্য, এটিকে ডাউনস্যাম্পল করে মাত্র দশ হাজার স্যাম্পল ব্যবহার করা হয়েছে।

এখন আপনি হাগিং ফেস ডেটাসেটস লাইব্রেরি ব্যবহার করে ডেটাসেট লোড করতে এবং আপনার অ্যাসিস্ট্যান্টের জন্য স্বাভাবিক ভাষার নির্দেশনা, স্কিমা সংজ্ঞা একত্রিত করে ও একটি সিস্টেম বার্তা যোগ করার জন্য একটি প্রম্পট টেমপ্লেট তৈরি করতে পারবেন।

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, idx):
  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.select(range(1250))

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

# Print formatted user prompt
for item in dataset["train"][0]["messages"]:
  print(item)
{'role': 'system', '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': 'user', '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 salesperson (salesperson_id INT, name TEXT, region TEXT); INSERT INTO salesperson (salesperson_id, name, region) VALUES (1, 'John Doe', 'North'), (2, 'Jane Smith', 'South'); CREATE TABLE timber_sales (sales_id INT, salesperson_id INT, volume REAL, sale_date DATE); INSERT INTO timber_sales (sales_id, salesperson_id, volume, sale_date) VALUES (1, 1, 120, '2021-01-01'), (2, 1, 150, '2021-02-01'), (3, 2, 180, '2021-01-01');\n</SCHEMA>\n\n<USER_QUERY>\nWhat is the total volume of timber sold by each salesperson, sorted by salesperson?\n</USER_QUERY>\n"}
{'role': 'assistant', 'content': 'SELECT salesperson_id, name, SUM(volume) as total_volume FROM timber_sales JOIN salesperson ON timber_sales.salesperson_id = salesperson.salesperson_id GROUP BY salesperson_id, name ORDER BY total_volume DESC;'}

TRL এবং SFTTrainer ব্যবহার করে Gemma-কে সূক্ষ্মভাবে সমন্বয় করুন।

আপনি এখন আপনার মডেলটি ফাইন-টিউন করার জন্য প্রস্তুত। Hugging Face TRL SFTTrainer ওপেন LLM-গুলোকে সুপারভাইজ ও ফাইন-টিউন করা সহজ করে তোলে। SFTTrainer হলো transformers লাইব্রেরির Trainer এর একটি সাবক্লাস এবং এটি লগিং, ইভ্যালুয়েশন ও চেকপয়েন্টিং সহ একই ধরনের সমস্ত ফিচার সমর্থন করে, তবে এর সাথে আরও কিছু অতিরিক্ত উন্নত ফিচারও যোগ করা হয়েছে, যার মধ্যে রয়েছে:

  • ডেটা সেট ফরম্যাটিং, যার মধ্যে কথোপকথনমূলক এবং নির্দেশনামূলক ফরম্যাট অন্তর্ভুক্ত রয়েছে
  • শুধুমাত্র সম্পন্ন করার পরেই প্রশিক্ষণ দেওয়া হবে, কোনো নির্দেশ উপেক্ষা করা হবে।
  • আরও কার্যকর প্রশিক্ষণের জন্য ডেটাসেট প্যাক করা
  • QloRA সহ প্যারামিটার-দক্ষ সূক্ষ্ম-সমন্বয় (PEFT) সমর্থন
  • কথোপকথনমূলক সূক্ষ্ম সমন্বয়ের জন্য মডেল এবং টোকেনাইজার প্রস্তুত করা (যেমন বিশেষ টোকেন যোগ করা)

নিম্নলিখিত কোডটি হাগিং ফেস থেকে জেমা মডেল ও টোকেনাইজার লোড করে এবং কোয়ান্টাইজেশন কনফিগারেশন ইনিশিয়ালাইজ করে।

import torch
from transformers import AutoProcessor, AutoModelForMultimodalLM, BitsAndBytesConfig
from peft import prepare_model_for_kbit_training

# Hugging Face model id
model_id = "google/gemma-4-E2B" # @param ["google/gemma-4-E2B","google/gemma-4-E4B","google/gemma-4-12B","google/gemma-4-31B","google/gemma-4-26B-A4B"] {"allow-input":true}

# Check if GPU supports bfloat16
if torch.cuda.is_bf16_supported():
    torch_dtype = torch.bfloat16
else:
    torch_dtype = torch.float16

# Define model init arguments
model_kwargs = dict(
    dtype=torch_dtype, # What torch dtype to use
    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=torch_dtype,
    bnb_4bit_quant_storage=torch_dtype,
)

# Load model and processor
model = AutoModelForMultimodalLM.from_pretrained(model_id, **model_kwargs)
processor = AutoProcessor.from_pretrained("google/gemma-4-E2B-it") # Load the Instruction Processor to use the official Gemma template

# NOTE: You should call the prepare_model_for_kbit_training() function to preprocess the quantized model for training.
# On T4, we are skipping this step purely due to VRAM limitation and for a quick demonstration.
if (torch.cuda.get_device_properties(0).total_memory/1024**3) > 16:
    model = prepare_model_for_kbit_training(model)
WARNING:torchao:Failed to load /usr/local/lib/python3.12/dist-packages/torchao/_C_mxfp8.cpython-310-x86_64-linux-gnu.so: Could not load this library: /usr/local/lib/python3.12/dist-packages/torchao/_C_mxfp8.cpython-310-x86_64-linux-gnu.so
WARNING:torchao:Failed to load /usr/local/lib/python3.12/dist-packages/torchao/_C_cutlass_90a.abi3.so: Could not load this library: /usr/local/lib/python3.12/dist-packages/torchao/_C_cutlass_90a.abi3.so
Loading weights:   0%|          | 0/1951 [00:00<?, ?it/s]
/usr/local/lib/python3.12/dist-packages/bitsandbytes/backends/cuda/ops.py:213: FutureWarning: _check_is_size will be removed in a future PyTorch release along with guard_size_oblivious.     Use _check(i >= 0) instead.
  torch._check_is_size(blocksize)

SFTTrainerpeft সাথে একটি বিল্ট-ইন ইন্টিগ্রেশন রয়েছে, যা QLoRA ব্যবহার করে LLM-গুলোকে দক্ষতার সাথে টিউন করা সহজ করে তোলে। আপনাকে শুধু একটি LoraConfig তৈরি করে ট্রেইনারকে প্রদান করতে হবে।

from peft import LoraConfig

peft_config = LoraConfig(
    lora_alpha=16,
    lora_dropout=0.05,
    r=16,
    bias="none",
    # no target_modules — PEFT's Gemma 4 defaults scope to the LM layers
    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,
)

আপনার প্রশিক্ষণ শুরু করার আগে, একটি SFTConfig ইনস্ট্যান্সে আপনাকে সেই হাইপারপ্যারামিটারটি নির্ধারণ করতে হবে যা আপনি ব্যবহার করতে চান।

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
    per_device_eval_batch_size=1,           # batch size per device during evaluation
    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=2e-4,                     # learning rate
    fp16=True if torch_dtype == torch.float16 else False,  # use float16 precision
    bf16=True if torch_dtype == torch.bfloat16 else False, # use bfloat16 precision
    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={"skip_prepare_dataset": True}, # important for collator
    remove_unused_columns = False,                 # important for collator
)

# Data collator
def collate_fn(examples):
    texts = []

    for example in examples:
        full_text = processor.apply_chat_template(
            example["messages"], add_generation_prompt=False, tokenize=False
        )
        texts.append(full_text.strip())

    # Tokenize the texts and process the audios
    batch = processor(text=texts, return_tensors="pt", padding=True)

    # The labels are the input_ids, and we mask the padding tokens and audio tokens in the loss computation
    labels = batch["input_ids"].clone()

    target_tokens = [
        processor.tokenizer.convert_tokens_to_ids("<|turn>"),
        processor.tokenizer.convert_tokens_to_ids("model"),
        processor.tokenizer.convert_tokens_to_ids("\n")
    ]
    target_len = len(target_tokens)

    for i in range(labels.size(0)):
        row_tokens = batch["input_ids"][i].tolist()

        # Find where the assistant block begins
        assistant_start_idx = None
        for idx in range(len(row_tokens) - target_len + 1):
            if row_tokens[idx : idx + target_len] == target_tokens:
                # We want to keep loss calculation on the assistant transcription tokens,
                # so we move the index right past the assistant header ('<|turn>\nmodel\n')
                assistant_start_idx = idx + target_len
                break

        if assistant_start_idx is not None:
            # Mask everything from index 0 up to the start of the actual Japanese text response
            labels[i, :assistant_start_idx] = -100
        else:
            # Fallback safety: if template matching fails for an anomalous row, mask padding anyway
            print("WARNING: maybe the sample is too long, try to increase `token_limit` value.")
            labels[i, labels[i] == processor.tokenizer.pad_token_id] = -100

        """
        # --- DEBUG PRINT CODE ---
        print(f"\n--- Example {i} (Split index: {assistant_start_idx}) ---")
        debug_string = []
        for token_id, label_id in zip(row_tokens, labels[i].tolist()):
            # Decode token by token so we can see exactly what is masked
            decoded_token = processor.tokenizer.decode([token_id])

            if label_id == -100:
                # Red text for masked tokens (ANSI Escape Code)
                debug_string.append(f"\033[91m{decoded_token}\033[0m")
            else:
                # Green text for active loss tokens
                debug_string.append(f"\033[92m{decoded_token}\033[0m")

        print("".join(debug_string))
        # ------------------------
        """


    # Mask tokens for not being used in the loss computation
    labels[labels == processor.tokenizer.pad_token_id] = -100

    batch["labels"] = labels
    return batch
/tmp/ipykernel_164873/3952412390.py:4: FutureWarning: The default `loss_type` will change from `'nll'` to `'chunked_nll'` in TRL 1.7. For standard models this is transparent (same math, lower memory) and no action is needed — you'll get the new default automatically on upgrade. If you use a custom model, check ahead of time that `loss_type='chunked_nll'` runs and yields the same loss as `'nll'`; if it doesn't, pin `loss_type='nll'` to keep the current behavior and please open an issue at https://github.com/huggingface/trl/issues so we can address the edge case.
  args = SFTConfig(

আপনার মডেলের প্রশিক্ষণ শুরু করার জন্য SFTTrainer তৈরি করতে প্রয়োজনীয় সমস্ত উপাদান এখন আপনার কাছে রয়েছে।

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=processor,
    data_collator=collate_fn,
)

train() মেথডটি 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()
[transformers] 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}.
Processing Files (0 / 0)      : |          |  0.00B /  0.00B
New Data Upload               : |          |  0.00B /  0.00B
...adapter_model.safetensors:   3%|3         | 56.0MB / 1.62GB
...154.ffa1dd7a1058.125401.0: 100%|##########|  126kB /  126kB
...268.ffa1dd7a1058.112980.0: 100%|##########| 47.9kB / 47.9kB
...-to-sql/training_args.bin: 100%|##########| 5.65kB / 5.65kB
...482.ffa1dd7a1058.164873.0: 100%|##########|  126kB /  126kB
...ext-to-sql/tokenizer.json: 100%|##########| 32.2MB / 32.2MB
...039.ffa1dd7a1058.109416.0: 100%|##########| 8.28kB / 8.28kB
No files have been modified since last commit. Skipping to prevent empty commit.
WARNING:huggingface_hub.hf_api:No files have been modified since last commit. Skipping to prevent empty commit.

আপনার মডেলটি পরীক্ষা করার আগে, মেমরি খালি করে নিন।

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

QLoRA ব্যবহার করার সময়, আপনি শুধুমাত্র অ্যাডাপ্টারগুলোকে ট্রেইন করেন, সম্পূর্ণ মডেলটিকে নয়। এর মানে হলো, ট্রেইনিংয়ের সময় মডেলটি সেভ করলে আপনি শুধুমাত্র অ্যাডাপ্টারের ওয়েটগুলো সেভ করেন, সম্পূর্ণ মডেলটি নয়। আপনি যদি সম্পূর্ণ মডেলটি সেভ করতে চান, যা vLLM বা TGI-এর মতো সার্ভিং স্ট্যাকের সাথে ব্যবহার করা সহজ করে তোলে, তাহলে আপনি merge_and_unload মেথড ব্যবহার করে অ্যাডাপ্টারের ওয়েটগুলোকে মডেলের ওয়েটের সাথে মার্জ করতে পারেন এবং তারপর save_pretrained মেথড দিয়ে মডেলটি সেভ করতে পারেন। এটি একটি ডিফল্ট মডেল সেভ করে, যা ইনফারেন্সের জন্য ব্যবহার করা যেতে পারে।

from transformers import AutoModelForMultimodalLM, AutoProcessor
from peft import PeftModel

# Load Model base model
model = AutoModelForMultimodalLM.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 = AutoProcessor.from_pretrained("google/gemma-4-E2B-it")
processor.save_pretrained("merged_model")
Loading weights:   0%|          | 0/1951 [00:00<?, ?it/s]
Writing model shards:   0%|          | 0/4 [00:00<?, ?it/s]
['merged_model/processor_config.json']

মডেল ইনফারেন্স পরীক্ষা করুন এবং SQL কোয়েরি তৈরি করুন

প্রশিক্ষণ সম্পন্ন হওয়ার পর, আপনি আপনার মডেলটি মূল্যায়ন ও পরীক্ষা করতে চাইবেন। আপনি টেস্ট ডেটাসেট থেকে বিভিন্ন স্যাম্পল লোড করে সেই স্যাম্পলগুলোর উপর মডেলটি মূল্যায়ন করতে পারেন।

from transformers import AutoModelForMultimodalLM, AutoProcessor

model_id = "merged_model"

# Load Model with PEFT adapter
model = AutoModelForMultimodalLM.from_pretrained(
  model_id,
  device_map="auto",
  dtype="auto",
)
processor = AutoProcessor.from_pretrained(model_id)
Loading weights:   0%|          | 0/1951 [00:00<?, ?it/s]

চলুন টেস্ট ডেটাসেট থেকে একটি র‍্যান্ডম স্যাম্পল লোড করে একটি SQL কমান্ড তৈরি করি।

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

config = GenerationConfig.from_pretrained(model_id)
config.max_new_tokens = 256
config.eos_token_id = [processor.tokenizer.convert_tokens_to_ids("<turn|>")]

# Load the model and tokenizer into the pipeline
pipe = pipeline("text-generation", model=model, tokenizer=processor.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 = processor.tokenizer.apply_chat_template(test_sample["messages"][:2], tokenize=False, add_generation_prompt=True)
print(prompt)

# Generate our SQL query.
outputs = pipe(text_inputs=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().removesuffix("<turn|>")}")
<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 Auto_Shows (id INT, show_name VARCHAR(255), show_year INT, location VARCHAR(255)); INSERT INTO Auto_Shows (id, show_name, show_year, location) VALUES (1, 'New York International Auto Show', 2019, 'United States'); INSERT INTO Auto_Shows (id, show_name, show_year, location) VALUES (2, 'Chicago Auto Show', 2019, 'United States'); INSERT INTO Auto_Shows (id, show_name, show_year, location) VALUES (3, 'North American International Auto Show', 2018, 'United States');
</SCHEMA>

<USER_QUERY>
How many auto shows were held in the United States in the year 2019?
</USER_QUERY><turn|>
<|turn>model

Context:
 CREATE TABLE Auto_Shows (id INT, show_name VARCHAR(255), show_year INT, location VARCHAR(255)); INSERT INTO Auto_Shows (id, show_name, show_year, location) VALUES (1, 'New York International Auto Show', 2019, 'United States'); INSERT INTO Auto_Shows (id, show_name, show_year, location) VALUES (2, 'Chicago Auto Show', 2019, 'United States'); INSERT INTO Auto_Shows (id, show_name, show_year, location) VALUES (3, 'North American International Auto Show', 2018, 'United States');
Query:
 How many auto shows were held in the United States in the year 2019?
Original Answer:
SELECT COUNT(*) FROM Auto_Shows WHERE show_year = 2019 AND location = 'United States';
Generated Answer:
SELECT COUNT(*) FROM Auto_Shows WHERE location = 'United States' AND show_year = 2019;

সারসংক্ষেপ এবং পরবর্তী পদক্ষেপ

এই টিউটোরিয়ালে TRL এবং QLoRA ব্যবহার করে কীভাবে একটি Gemma মডেল ফাইন-টিউন করতে হয় তা দেখানো হয়েছে। এরপর নিম্নলিখিত ডক্সগুলো দেখুন: