Hugging Face Transformers ve QloRA'yı kullanarak Gemma'yı hassas ayarlama

Bu kılavuzda, Hugging Face Transformers ve TRL'yi kullanarak Gemma'da özel bir metinden SQL'e dönüştürme veri kümesinde nasıl hassas ayar yapacağınız açıklanmaktadır. Öğrenecekleriniz:

  • Quantized Low-Rank Adaptation (QLoRA) nedir?
  • Geliştirme ortamını kurma
  • İnce ayar veri kümesini oluşturun ve hazırlayın
  • TRL ve SFTTrainer'ı kullanarak Gemma'da ince ayar yapma
  • Model çıkarımlarını test etme ve SQL sorguları oluşturma

Quantized Low-Rank Adaptation (QLoRA) nedir?

Bu kılavuzda, yüksek performansı korurken hesaplama kaynağı gereksinimlerini azalttığı için LLM'leri verimli bir şekilde hassas ayarlamak için popüler bir yöntem olarak ortaya çıkan Kantitatif Düşük Sıralı Uyarlama (QLoRA)'nın kullanımı gösterilmektedir. QloRA'da, önceden eğitilmiş model 4 bit olarak örneklenir ve ağırlıklar dondurulur. Ardından, eğitilebilir adaptör katmanları (LoRA) eklenir ve yalnızca adaptör katmanları eğitilir. Daha sonra, adaptör ağırlıkları temel modelle birleştirilebilir veya ayrı bir adaptör olarak tutulabilir.

Geliştirme ortamını kurma

İlk adım, TRL dahil olmak üzere Hugging Face kitaplıklarını ve farklı RLHF ve hizalama teknikleri dahil olmak üzere açık modelde ince ayar yapmak için veri kümelerini yüklemektir.

# Install Pytorch & other libraries
%pip install "torch>=2.4.0" tensorboard

# Install Gemma release branch from Hugging Face
%pip install git+https://github.com/huggingface/transformers@v4.49.0-Gemma-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==0.15.2" \
  "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

Not: Ampere mimarisine sahip bir GPU (NVIDIA L4 gibi) veya daha yeni bir GPU kullanıyorsanız Flash dikkat özelliğini kullanabilirsiniz. Flash Attention, hesaplamaları önemli ölçüde hızlandıran ve bellek kullanımını, sıra uzunluğunda ikinci dereceden doğrusal hale getirerek eğitimi 3 kata kadar hızlandıran bir yöntemdir. Daha fazla bilgi için FlashAttention sayfasını ziyaret edin.

Eğitime başlamadan önce Gemma'nın kullanım şartlarını kabul ettiğinizden emin olmanız gerekir. Hugging Face'te lisansı kabul etmek için http://huggingface.co/google/gemma-3-1b-pt adresindeki model sayfasında Kabul et ve depoya eriş düğmesini tıklayın.

Lisansı kabul ettikten sonra modele erişmek için geçerli bir Hugging Face jetonuna ihtiyacınız vardır. Google Colab'da çalışıyorsanız Colab gizli bilgilerini kullanarak Hugging Face jetonunuzu güvenli bir şekilde kullanabilirsiniz. Aksi takdirde jetonu doğrudan login yönteminde ayarlayabilirsiniz. Eğitim sırasında modelinizi Hub'a gönderirken jetonunuzun yazma erişimine sahip olduğundan emin olun.

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)

İnce ayar veri kümesini oluşturun ve hazırlayın

LLM'leri hassaslaştırırken kullanım alanınızı ve çözmek istediğiniz görevi bilmeniz önemlidir. Bu, modelinizde ince ayar yapmak için bir veri kümesi oluşturmanıza yardımcı olur. Henüz kullanım alanınızı tanımlamadıysanız sıfırdan başlamak isteyebilirsiniz.

Bu rehberde örnek olarak aşağıdaki kullanım alanı ele alınmıştır:

  • Bir doğal dili SQL modeline dönüştürme işleminde ince ayar yaparak veri analizi aracına sorunsuz şekilde entegre edin. Amaç, SQL sorgu oluşturmak için gereken süreyi ve uzmanlığı önemli ölçüde azaltarak teknik olmayan kullanıcıların bile verilerden anlamlı analizler elde etmesini sağlamaktır.

Metinden SQL'e dönüştürme, veriler ve SQL dili hakkında çok fazla (dahili) bilgi gerektiren karmaşık bir görev olduğundan LLM'lere ince ayar yapmak için iyi bir kullanım alanı olabilir.

İnce ayar yapmanın doğru çözüm olduğunu belirledikten sonra, ince ayar yapmak için bir veri kümesine ihtiyacınız vardır. Veri kümesi, çözmek istediğiniz görevlerin çeşitli gösterimlerinden oluşmalıdır. Bu tür bir veri kümesi oluşturmanın birkaç yolu vardır:

  • Spider gibi mevcut açık kaynak veri kümelerini kullanma
  • Alpaca gibi LLM'ler tarafından oluşturulan sentetik veri kümelerini kullanma
  • Dolly gibi insanlar tarafından oluşturulan veri kümelerini kullanma
  • Orca gibi yöntemlerin bir kombinasyonunu kullanarak

Her yöntemin avantajları ve dezavantajları vardır ve bütçe, zaman ve kalite koşullarına bağlıdır. Örneğin, mevcut bir veri kümesini kullanmak en kolay yöntemdir ancak belirli kullanım alanınıza uygun olmayabilir. Alan uzmanlarını kullanmak en doğru yöntem olabilir ancak zaman alıcı ve pahalı olabilir. Orca: Progressive Learning from Complex Explanation Traces of GPT-4 (Orca: GPT-4'ün Karmaşık Açıklama İzlerinden İlerlemeci Öğrenme) makalesinde gösterildiği gibi, talimat veri kümesi oluşturmak için çeşitli yöntemleri birleştirmek de mümkündür.

Bu kılavuzda, doğal dil talimatları, şema tanımları, akıl yürütme ve ilgili SQL sorgusunu içeren yüksek kaliteli sentetik bir metinden SQL'e dönüştürme veri kümesi olan mevcut bir veri kümesi (philschmid/gretel-synthetic-text-to-sql) kullanılmaktadır.

Hugging Face TRL, sohbet veri kümesi biçimlerinin otomatik olarak şablonlaştırılmasını destekler. Bu, veri kümenizi yalnızca doğru JSON nesnelerine dönüştürmeniz gerektiği anlamına gelir. Şablon oluşturma ve doğru biçime dönüştürme işlemleri trl tarafından yapılır.

{"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, 100.000'den fazla örnek içerir. Rehberi küçük tutmak için yalnızca 10.000 örnek kullanılacak şekilde örnek boyutu düşürülmüştür.

Artık Hugging Face Datasets kitaplığını kullanarak veri kümesini yükleyebilir ve doğal dil talimatlarını, şema tanımını birleştirecek ve asistanınız için sistem mesajı ekleyecek bir istem şablonu oluşturabilirsiniz.

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 ve SFTTrainer'ı kullanarak Gemma'da ince ayar yapma

Artık modelinizde ince ayar yapmaya hazırsınız. Hugging Face TRL SFTTrainer, açık LLM'lerde ince ayar yapmayı kolaylaştırır. SFTTrainer, transformers kitaplığındaki Trainer sınıfının alt sınıfıdır ve günlük kaydı, değerlendirme ve kontrol noktası oluşturma gibi tüm özellikleri destekler ancak aşağıdakiler gibi ek kullanım kolaylığı özellikleri ekler:

  • Sohbet ve talimat biçimleri dahil veri kümesi biçimlendirme
  • Yalnızca tamamlamalarla ilgili eğitim (istemler yoksayılır)
  • Daha verimli eğitim için veri kümelerini paketleme
  • QloRA dahil olmak üzere parametreleri verimli şekilde kullanma (PEFT) desteği
  • Modeli ve parçalayıcıyı sohbet ince ayarı için hazırlama (ör. özel jeton ekleme)

Aşağıdaki kod, Hugging Face'tan Gemma modelini ve tokenizörü yükler ve kesme işlemi yapılandırmasını başlatır.

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 ile yerel entegrasyonu destekler. Bu sayede, QLoRA'yı kullanarak LLM'leri verimli bir şekilde ayarlamak kolaylaşır. Bunun için tek yapmanız gereken bir LoraConfig oluşturmak ve bunu eğitmene sağlamaktır.

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
)

Eğitiminize başlamadan önce, SFTConfig örneğinde kullanmak istediğiniz hiper parametreyi tanımlamanız gerekir.

from trl import SFTConfig

args = SFTConfig(
    output_dir="gemma-text-to-sql",         # directory to save and repository id
    max_seq_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
    }
)

Artık modelinizin eğitimini başlatmak için SFTTrainer'nizi oluşturmak üzere ihtiyacınız olan tüm yapı taşlarına sahipsiniz.

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() yöntemini çağırarak eğitimi başlatın.

# 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()

Modelinizi test etmeden önce belleği boşalttığınızdan emin olun.

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

QLoRA'yı kullanırken modelin tamamını değil, yalnızca bağdaştırıcılar eğitilir. Bu, eğitim sırasında modeli kaydederken modelin tamamını değil, yalnızca adaptör ağırlıklarını kaydettiğiniz anlamına gelir. Modelin tamamını kaydetmek istiyorsanız (bu, vLLM veya TGI gibi yayınlama yığınlarıyla kullanımını kolaylaştırır) merge_and_unload yöntemini kullanarak bağdaştırıcıların ağırlıklarını model ağırlıklarıyla birleştirebilir ve ardından modeli save_pretrained yöntemiyle kaydedebilirsiniz. Bu işlem, çıkarım için kullanılabilecek bir varsayılan model kaydeder.

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")

Model çıkarımlarını test etme ve SQL sorguları oluşturma

Eğitim tamamlandıktan sonra modelinizi değerlendirmek ve test etmek istersiniz. Test veri kümesinden farklı örnekler yükleyebilir ve modeli bu örnekler üzerinde değerlendirebilirsiniz.

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)

Test veri kümesinden rastgele bir örnek yükleyip bir SQL komutu oluşturalım.

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"]))
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()}")

Özet ve sonraki adımlar

Bu eğitimde, TRL ve QLoRA kullanılarak Gemma modelinde nasıl ince ayar yapılacağı ele alınmıştır. Ardından aşağıdaki dokümanlara göz atın: