|
|
Google Colab में चलाएं
|
|
|
GitHub पर सोर्स देखें
|
इस गाइड में, Hugging Face Transformers और TRL का इस्तेमाल करके, कस्टम टेक्स्ट-टू-एसक्यूएल डेटासेट पर Gemma को बेहतर तरीके से ट्रेन करने का तरीका बताया गया है. आपको यह जानकारी मिलेगी:
- क्वांटाइज़्ड लो-रैंक अडैप्टेशन (QLoRA) क्या है
- डेवलपमेंट एनवायरमेंट सेट अप करना
- बेहतर तरीके से ट्रेन करने के लिए, डेटासेट बनाना और उसे तैयार करना
- TRL और SFTTrainer का इस्तेमाल करके, Gemma को बेहतर तरीके से ट्रेन करना
- मॉडल के अनुमान की जांच करना और एसक्यूएल क्वेरी जनरेट करना
क्वांटाइज़्ड लो-रैंक अडैप्टेशन (QLoRA) क्या है
इस गाइड में, क्वांटाइज़्ड लो-रैंक अडैप्टेशन (QLoRA) के इस्तेमाल के बारे में बताया गया है. यह एलएलएम को बेहतर तरीके से ट्रेन करने का एक लोकप्रिय तरीका है. इसकी मदद से, कंप्यूटिंग के लिए ज़रूरी संसाधनों की संख्या कम हो जाती है. साथ ही, परफ़ॉर्मेंस भी बेहतर बनी रहती है. QLoRA में, पहले से ट्रेन किए गए मॉडल को 4-बिट में क्वांटाइज़ किया जाता है और वैल्यू को फ़्रीज़ कर दिया जाता है. इसके बाद, ट्रेन किए जा सकने वाले अडैप्टर लेयर (LoRA) अटैच किए जाते हैं और सिर्फ़ अडैप्टर लेयर को ट्रेन किया जाता है. इसके बाद, अडैप्टर की वैल्यू को बेस मॉडल के साथ मर्ज किया जा सकता है या उन्हें अलग अडैप्टर के तौर पर रखा जा सकता है.
डेवलपमेंट एनवायरमेंट सेट अप करना
सबसे पहले, Hugging Face की लाइब्रेरी इंस्टॉल करें. इनमें TRL और डेटासेट शामिल हैं. इनकी मदद से, ओपन मॉडल को बेहतर तरीके से ट्रेन किया जा सकता है. इनमें, अलग-अलग RLHF और अलाइनमेंट तकनीकें शामिल हैं.
# 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
ध्यान दें: अगर Ampere आर्किटेक्चर (जैसे, NVIDIA L4) या उससे नए GPU का इस्तेमाल किया जा रहा है, तो फ़्लैश अटेंशन का इस्तेमाल किया जा सकता है. फ़्लैश अटेंशन एक ऐसा तरीका है जिससे कंप्यूटेशन की स्पीड काफ़ी बढ़ जाती है. साथ ही, सीक्वेंस की लंबाई में मेमोरी का इस्तेमाल, क्वाड्रेटिक से लीनियर तक कम हो जाता है. इससे ट्रेनिंग की स्पीड तीन गुना तक बढ़ जाती है. ज़्यादा जानने के लिए, FlashAttention पर जाएं.
मॉडल पब्लिश करने के लिए, आपके पास Hugging Face का मान्य टोकन होना चाहिए. अगर Google Colab में मॉडल चलाया जा रहा है, तो Colab सीक्रेट का इस्तेमाल करके, Hugging Face के टोकन का सुरक्षित तरीके से इस्तेमाल किया जा सकता है. इसके अलावा, login तरीके में टोकन को सीधे तौर पर सेट किया जा सकता है. पक्का करें कि आपके टोकन के पास लिखने का ऐक्सेस भी हो, क्योंकि ट्रेनिंग के दौरान मॉडल को हब पर पुश किया जाता है.
# Login into Hugging Face Hub
from huggingface_hub import login
login()
बेहतर तरीके से ट्रेन करने के लिए, डेटासेट बनाना और उसे तैयार करना
एलएलएम को बेहतर तरीके से ट्रेन करते समय, यह जानना ज़रूरी है कि आपको इसका इस्तेमाल किस काम के लिए करना है और आपको कौनसी समस्या हल करनी है. इससे आपको अपने मॉडल को बेहतर तरीके से ट्रेन करने के लिए, डेटासेट बनाने में मदद मिलती है. अगर आपने अब तक यह तय नहीं किया है कि आपको इसका इस्तेमाल किस काम के लिए करना है, तो आपको फिर से योजना बनानी होगी.
उदाहरण के लिए, इस गाइड में, इस्तेमाल के इस उदाहरण पर फ़ोकस किया गया है:
- डेटा विश्लेषण के टूल में आसानी से इंटिग्रेट करने के लिए, नैचुरल लैंग्वेज से एसक्यूएल मॉडल को बेहतर तरीके से ट्रेन करना. इसका मकसद, एसक्यूएल क्वेरी जनरेट करने में लगने वाले समय और ज़रूरी विशेषज्ञता को काफ़ी कम करना है. इससे, तकनीकी जानकारी न रखने वाले उपयोगकर्ता भी डेटा से अहम जानकारी निकाल सकते हैं.
टेक्स्ट-टू-एसक्यूएल, एलएलएम को बेहतर तरीके से ट्रेन करने के लिए एक अच्छा उदाहरण हो सकता है, क्योंकि यह एक मुश्किल काम है. इसके लिए, डेटा और एसक्यूएल भाषा के बारे में (इंटरनल) काफ़ी जानकारी की ज़रूरत होती है.
जब आपको पता चल जाए कि बेहतर तरीके से ट्रेन करना सही तरीका है, तो आपको बेहतर तरीके से ट्रेन करने के लिए, डेटासेट की ज़रूरत होगी. डेटासेट में, उन टास्क के अलग-अलग उदाहरण होने चाहिए जिन्हें आपको हल करना है. ऐसा डेटासेट बनाने के कई तरीके हैं. इनमें ये शामिल हैं:
- मौजूदा ओपन-सोर्स डेटासेट का इस्तेमाल करना. जैसे, Spider
- एलएलएम से बनाए गए सिंथेटिक डेटासेट का इस्तेमाल करना. जैसे, Alpaca
- इंसानों से बनाए गए डेटासेट का इस्तेमाल करना. जैसे, Dolly.
- इन तरीकों को मिलाकर इस्तेमाल करना. जैसे, Orca
हर तरीके के अपने फ़ायदे और नुकसान होते हैं. यह बजट, समय, और क्वालिटी की ज़रूरतों पर निर्भर करता है. उदाहरण के लिए, मौजूदा डेटासेट का इस्तेमाल करना सबसे आसान है. हालांकि, यह आपके खास इस्तेमाल के उदाहरण के हिसाब से नहीं हो सकता. वहीं, डोमेन के विशेषज्ञों की मदद लेना सबसे सटीक हो सकता है, लेकिन इसमें ज़्यादा समय लग सकता है और यह महंगा हो सकता है. निर्देशों का डेटासेट बनाने के लिए, कई तरीकों को मिलाकर इस्तेमाल किया जा सकता है. जैसा कि Orca: Progressive Learning from Complex Explanation Traces of GPT-4. में दिखाया गया है.
इस गाइड में, पहले से मौजूद डेटासेट (philschmid/gretel-synthetic-text-to-sql) का इस्तेमाल किया गया है. यह एक अच्छी क्वालिटी वाला सिंथेटिक टेक्स्ट-टू-एसक्यूएल डेटासेट है. इसमें नैचुरल लैंग्वेज के निर्देश, स्कीमा की परिभाषाएं, तर्क, और उससे जुड़ी एसक्यूएल क्वेरी शामिल हैं.
Hugging Face TRL, बातचीत के डेटासेट फ़ॉर्मैट की ऑटोमैटिक टेंप्लेटिंग की सुविधा देता है. इसका मतलब है कि आपको सिर्फ़ अपने डेटासेट को सही JSON ऑब्जेक्ट में बदलना होगा. इसके बाद, trl टेंप्लेटिंग और उसे सही फ़ॉर्मैट में रखने का काम करता है.
{"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 में, 1 लाख से ज़्यादा सैंपल शामिल हैं. गाइड को छोटा रखने के लिए, इसमें सिर्फ़ 10,000 सैंपल का इस्तेमाल किया गया है.
अब Hugging Face Datasets लाइब्रेरी का इस्तेमाल करके, डेटासेट लोड किया जा सकता है. साथ ही, नैचुरल लैंग्वेज के निर्देश और स्कीमा की परिभाषा को मिलाकर, प्रॉम्प्ट टेंप्लेट बनाया जा सकता है. इसके अलावा, अपने असिस्टेंट के लिए सिस्टम मैसेज जोड़ा जा सकता है.
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'}
TRL और SFTTrainer का इस्तेमाल करके, Gemma को बेहतर तरीके से ट्रेन करना
अब अपने मॉडल को बेहतर तरीके से ट्रेन किया जा सकता है. Hugging Face TRL SFTTrainer की मदद से, ओपन एलएलएम को बेहतर तरीके से ट्रेन करना आसान हो जाता है. SFTTrainer transformers लाइब्रेरी के Trainer की सबक्लास है. इसमें लॉगिंग, आकलन, और चेकपॉइंटिंग जैसी सभी सुविधाएं शामिल हैं. इसके अलावा, इसमें ये सुविधाएं भी शामिल हैं:
- डेटासेट को फ़ॉर्मैट करना. इसमें बातचीत और निर्देशों के फ़ॉर्मैट शामिल हैं
- सिर्फ़ पूरे किए गए टास्क पर ट्रेनिंग देना, प्रॉम्प्ट को अनदेखा करना
- बेहतर तरीके से ट्रेनिंग देने के लिए, डेटासेट को पैक करना
- पैरामीटर-इफ़िशिएंट फ़ाइन-ट्यूनिंग (पीईएफ़टी) की सुविधा. इसमें QLoRA शामिल है
- बातचीत के लिए बेहतर तरीके से ट्रेनिंग देने के लिए, मॉडल और टोकनाइज़र तैयार करना (जैसे, खास टोकन जोड़ना)
यहां दिया गया कोड, Hugging Face से Gemma मॉडल और टोकनाइज़र लोड करता है. साथ ही, क्वांटाइज़ेशन कॉन्फ़िगरेशन को शुरू करता है.
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]
SFTTrainer, peft के साथ इंटिग्रेट किया जा सकता है. इससे QLoRA का इस्तेमाल करके, एलएलएम को बेहतर तरीके से ट्रेन करना आसान हो जाता है. आपको सिर्फ़ LoraConfig बनाना होगा और इसे ट्रेनर को देना होगा.
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,
)
ट्रेनिंग शुरू करने से पहले, आपको SFTConfig इंस्टेंस में इस्तेमाल किए जाने वाले हाइपरपैरामीटर तय करने होंगे.
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
}
)
अब आपके पास अपने मॉडल की ट्रेनिंग शुरू करने के लिए, SFTTrainer बनाने के लिए ज़रूरी सभी कॉम्पोनेंट मौजूद हैं.
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]
train() तरीके को कॉल करके, ट्रेनिंग शुरू करें.
# 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}.
मॉडल की जांच करने से पहले, पक्का करें कि मेमोरी खाली हो.
# free the memory again
del model
del trainer
torch.cuda.empty_cache()
QLoRA का इस्तेमाल करते समय, सिर्फ़ अडैप्टर को ट्रेन किया जाता है. पूरे मॉडल को नहीं. इसका मतलब है कि ट्रेनिंग के दौरान मॉडल को सेव करते समय, सिर्फ़ अडैप्टर की वैल्यू सेव की जाती हैं. पूरे मॉडल को नहीं. अगर आपको पूरा मॉडल सेव करना है, तो merge_and_unload तरीके का इस्तेमाल करके, अडैप्टर की वैल्यू को मॉडल की वैल्यू में मर्ज किया जा सकता है. इसके बाद, save_pretrained तरीके का इस्तेमाल करके, मॉडल को सेव किया जा सकता है. इससे, vLLM या TGI जैसे स्टैक के साथ मॉडल का इस्तेमाल करना आसान हो जाता है. इससे एक डिफ़ॉल्ट मॉडल सेव होता है, जिसका इस्तेमाल अनुमान लगाने के लिए किया जा सकता है.
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')
मॉडल के अनुमान की जांच करना और एसक्यूएल क्वेरी जनरेट करना
ट्रेनिंग पूरी होने के बाद, आपको अपने मॉडल का आकलन और जांच करनी होगी. जांच के लिए बने डेटासेट से अलग-अलग सैंपल लोड किए जा सकते हैं और उन सैंपल के आधार पर मॉडल का आकलन किया जा सकता है.
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.
आइए, जांच के लिए बने डेटासेट से कोई रैंडम सैंपल लोड करें और एसक्यूएल कमांड जनरेट करें.
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';
खास जानकारी और अगले चरण
इस ट्यूटोरियल में, TRL और QLoRA का इस्तेमाल करके, Gemma मॉडल को बेहतर तरीके से ट्रेन करने का तरीका बताया गया है. इसके बाद, ये दस्तावेज़ देखें:
- Gemma मॉडल की मदद से टेक्स्ट जनरेट करने का तरीका जानें.
- Hugging Face Transformers का इस्तेमाल करके, विज़न टास्क के लिए Gemma को बेहतर तरीके से ट्रेन करने का तरीका जानें.
- Gemma मॉडल पर डिस्ट्रिब्यूटेड फ़ाइन-ट्यूनिंग और अनुमान लगाने का तरीका जानें.
- Vertex AI के साथ Gemma के ओपन मॉडल का इस्तेमाल करने का तरीका जानें.
- KerasNLP का इस्तेमाल करके, Gemma को बेहतर तरीके से ट्रेन करने और Vertex AI पर डिप्लॉय करने का तरीका जानें.
Google Colab में चलाएं
GitHub पर सोर्स देखें