Gemma را با استفاده از ترانسفورماتورهای Hugging Face و QloRA تنظیم کنید

این راهنما به شما نحوه تنظیم دقیق Gemma را روی یک مجموعه داده سفارشی تبدیل متن به SQL با استفاده از Hugging Face Transformers و TRL آموزش می‌دهد. شما موارد زیر را خواهید آموخت:

  • سازگاری رتبه پایین کوانتیزه (QLoRA) چیست؟
  • محیط توسعه راه‌اندازی
  • ایجاد و آماده‌سازی مجموعه داده‌های تنظیم دقیق
  • تنظیم دقیق Gemma با استفاده از TRL و SFTTrainer
  • تست استنتاج مدل و تولید کوئری‌های SQL

سازگاری رتبه پایین کوانتیزه (QLoRA) چیست؟

این راهنما استفاده از تطبیق رتبه پایین کوانتیزه (QLoRA) را نشان می‌دهد، که به عنوان یک روش محبوب برای تنظیم دقیق LLMها به طور موثر ظهور کرده است، زیرا نیازهای منابع محاسباتی را کاهش می‌دهد و در عین حال عملکرد بالا را حفظ می‌کند. در QloRA، مدل از پیش آموزش دیده به ۴ بیت کوانتیزه می‌شود و وزن‌ها ثابت می‌مانند. سپس لایه‌های آداپتور قابل آموزش (LoRA) متصل می‌شوند و فقط لایه‌های آداپتور آموزش داده می‌شوند. پس از آن، وزن‌های آداپتور را می‌توان با مدل پایه ادغام کرد یا به عنوان یک آداپتور جداگانه نگه داشت.

محیط توسعه راه‌اندازی

اولین قدم نصب کتابخانه‌های چهره در آغوش گرفته (Hugging Face Libraries)، از جمله TRL، و مجموعه داده‌ها برای تنظیم دقیق مدل باز، از جمله تکنیک‌های مختلف RLHF و هم‌ترازی است.

# 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

توجه: اگر از پردازنده گرافیکی (GPU) با معماری Ampere (مانند NVIDIA L4) یا جدیدتر استفاده می‌کنید، می‌توانید از Flash Attention استفاده کنید. Flash Attention روشی است که به طور قابل توجهی سرعت محاسبات را افزایش داده و میزان استفاده از حافظه را از درجه دوم به خطی در طول توالی کاهش می‌دهد و منجر به تسریع آموزش تا 3 برابر می‌شود. برای اطلاعات بیشتر به FlashAttention مراجعه کنید.

قبل از شروع آموزش، باید مطمئن شوید که شرایط استفاده از Gemma را پذیرفته‌اید. می‌توانید با کلیک بر روی دکمه «موافقت و دسترسی به مخزن» در صفحه مدل به آدرس http://huggingface.co/google/gemma-3-1b-pt، مجوز Hugging Face را بپذیرید.

پس از پذیرش مجوز، برای دسترسی به مدل به یک Hugging Face Token معتبر نیاز دارید. اگر در داخل یک Google Colab در حال اجرا هستید، می‌توانید با استفاده از اسرار Colab به طور ایمن از Hugging Face Token خود استفاده کنید، در غیر این صورت می‌توانید توکن را مستقیماً در متد login تنظیم کنید. هنگام ارسال مدل خود به Hub در طول آموزش، مطمئن شوید که توکن شما دسترسی نوشتن نیز دارد.

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)

ایجاد و آماده‌سازی مجموعه داده‌های تنظیم دقیق

هنگام تنظیم دقیق LLMها، مهم است که مورد استفاده خود و وظیفه‌ای را که می‌خواهید حل کنید، بشناسید. این به شما کمک می‌کند تا یک مجموعه داده برای تنظیم دقیق مدل خود ایجاد کنید. اگر هنوز مورد استفاده خود را تعریف نکرده‌اید، بهتر است به مرحله طراحی برگردید.

به عنوان مثال، این راهنما بر روی مورد استفاده زیر تمرکز دارد:

  • تنظیم دقیق یک زبان طبیعی به مدل SQL برای ادغام یکپارچه در یک ابزار تحلیل داده. هدف، کاهش قابل توجه زمان و تخصص مورد نیاز برای تولید پرس‌وجوی SQL است، به طوری که حتی کاربران غیرفنی نیز بتوانند بینش‌های معناداری از داده‌ها استخراج کنند.

تبدیل متن به SQL می‌تواند یک مورد استفاده خوب برای تنظیم دقیق LLMها باشد، زیرا یک کار پیچیده است که نیاز به دانش (درونی) زیادی در مورد داده‌ها و زبان SQL دارد.

وقتی تشخیص دادید که تنظیم دقیق، راه حل مناسبی است، به یک مجموعه داده برای تنظیم دقیق نیاز دارید. مجموعه داده باید مجموعه‌ای متنوع از نمونه‌هایی از وظیفه (یا وظایفی) باشد که می‌خواهید حل کنید. روش‌های مختلفی برای ایجاد چنین مجموعه داده‌ای وجود دارد، از جمله:

  • استفاده از مجموعه داده‌های متن‌باز موجود، مانند اسپایدر
  • استفاده از مجموعه داده‌های مصنوعی ایجاد شده توسط LLMها، مانند آلپاکا
  • استفاده از مجموعه داده‌های ایجاد شده توسط انسان‌ها، مانند دالی .
  • با استفاده از ترکیبی از روش‌ها، مانند Orca

هر یک از روش‌ها مزایا و معایب خاص خود را دارند و به بودجه، زمان و الزامات کیفی بستگی دارند. به عنوان مثال، استفاده از یک مجموعه داده موجود ساده‌ترین روش است اما ممکن است برای مورد استفاده خاص شما مناسب نباشد، در حالی که استفاده از متخصصان حوزه ممکن است دقیق‌ترین روش باشد اما می‌تواند زمان‌بر و پرهزینه باشد. همچنین می‌توان چندین روش را برای ایجاد یک مجموعه داده دستورالعمل ترکیب کرد، همانطور که در Orca: Progressive Learning from Complex Explanation Traces of GPT-4 نشان داده شده است.

این راهنما از یک مجموعه داده موجود ( philschmid/gretel-synthetic-text-to-sql )، یک مجموعه داده ترکیبی Text-to-SQL با کیفیت بالا شامل دستورالعمل‌های زبان طبیعی، تعاریف طرحواره، استدلال و پرس‌وجوی SQL مربوطه، استفاده می‌کند.

Hugging Face TRL از قالب‌بندی خودکار فرمت‌های مجموعه داده‌های مکالمه پشتیبانی می‌کند. این بدان معناست که شما فقط باید مجموعه داده‌های خود را به اشیاء json مناسب تبدیل کنید و trl قالب‌بندی و قرار دادن آن در فرمت مناسب را انجام می‌دهد.

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

ابزار تبدیل متن به SQL از نوع philschmid/gretel-synthetic شامل بیش از ۱۰۰ هزار نمونه است. برای کوچک نگه داشتن راهنما، نمونه‌برداری از آن به ۱۰۰۰۰ نمونه کاهش یافته است.

اکنون می‌توانید از کتابخانه‌ی Hugging Face Datasets برای بارگذاری مجموعه داده و ایجاد یک الگوی اعلان برای ترکیب دستورالعمل زبان طبیعی، تعریف طرحواره و افزودن یک پیام سیستمی برای دستیار خود استفاده کنید.

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"])

تنظیم دقیق Gemma با استفاده از TRL و SFTTrainer

اکنون آماده‌اید تا مدل خود را تنظیم دقیق کنید. Hugging Face TRL SFTTrainer نظارت بر LLM های باز تنظیم دقیق را آسان می‌کند. SFTTrainer زیرکلاس Trainer از کتابخانه transformers است و از تمام ویژگی‌های مشابه، از جمله ثبت وقایع، ارزیابی و بررسی نقاط کنترل پشتیبانی می‌کند، اما ویژگی‌های کیفیت زندگی اضافی، از جمله موارد زیر را نیز اضافه می‌کند:

  • قالب‌بندی مجموعه داده‌ها، شامل قالب‌های محاوره‌ای و دستورالعملی
  • آموزش فقط در مورد تکمیل مراحل، نادیده گرفتن دستورالعمل‌ها
  • بسته‌بندی مجموعه داده‌ها برای آموزش کارآمدتر
  • پشتیبانی از تنظیم دقیق پارامتر-کارآمد (PEFT) شامل QloRA
  • آماده‌سازی مدل و توکنایزر برای تنظیم دقیق محاوره‌ای (مانند افزودن توکن‌های ویژه)

کد زیر مدل Gemma و توکن‌ساز را از Hugging Face بارگذاری کرده و پیکربندی کوانتیزاسیون را مقداردهی اولیه می‌کند.

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 از یکپارچه‌سازی بومی با peft پشتیبانی می‌کند، که تنظیم کارآمد LLMها را با استفاده از QLoRA ساده می‌کند. شما فقط باید یک LoraConfig ایجاد کنید و آن را در اختیار مربی قرار دهید.

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 از اینکه بتوانید آموزش خود را شروع کنید، باید هایپرپارامتری را که می‌خواهید در یک نمونه SFTConfig استفاده کنید، تعریف کنید.

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
    }
)

اکنون هر بلوک سازنده‌ای که برای ایجاد SFTTrainer خود و شروع آموزش مدلتان نیاز دارید را در اختیار دارید.

from trl import SFTTrainer

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

آموزش را با فراخوانی متد train() شروع کنید.

# 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 از اینکه بتوانید مدل خود را آزمایش کنید، مطمئن شوید که حافظه را آزاد کرده‌اید.

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

هنگام استفاده از QLoRA، شما فقط آداپتورها را آموزش می‌دهید و نه مدل کامل را. این بدان معناست که هنگام ذخیره مدل در طول آموزش، فقط وزن‌های آداپتور را ذخیره می‌کنید و نه مدل کامل را. اگر می‌خواهید مدل کامل را ذخیره کنید، که استفاده از آن را با پشته‌های ارائه دهنده مانند vLLM یا TGI آسان‌تر می‌کند، می‌توانید وزن‌های آداپتور را با استفاده از روش merge_and_unload در وزن‌های مدل ادغام کنید و سپس مدل را با روش save_pretrained ذخیره کنید. این یک مدل پیش‌فرض را ذخیره می‌کند که می‌تواند برای استنتاج استفاده شود.

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")

تست استنتاج مدل و تولید کوئری‌های SQL

پس از اتمام آموزش، باید مدل خود را ارزیابی و آزمایش کنید. می‌توانید نمونه‌های مختلفی را از مجموعه داده‌های آزمایشی بارگذاری کرده و مدل را روی آن نمونه‌ها ارزیابی کنید.

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)

بیایید یک نمونه تصادفی از مجموعه داده‌های آزمایشی بارگذاری کنیم و یک دستور SQL تولید کنیم.

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()}")

خلاصه و مراحل بعدی

این آموزش نحوه تنظیم دقیق مدل Gemma با استفاده از TRL و QLoRA را پوشش داد. در ادامه به مستندات زیر مراجعه کنید: