EmbeddingGemma'ya ince ayar yapma

ai.google.dev adresinde görüntüleyin Google Colab'de çalıştırma Kaggle'da çalıştırma Vertex AI'da aç Kaynağı GitHub'da görüntüleyin

İnce ayar, bir modelin genel amaçlı anlayışı ile uygulamanızın gerektirdiği uzmanlaşmış, yüksek performanslı doğruluk arasındaki farkı kapatmaya yardımcı olur. Hiçbir model her görev için mükemmel olmadığından ince ayar, modeli alanınıza göre uyarlar.

"Shibuya Financial" adlı şirketinizin yatırım fonları, NISA hesapları (vergi avantajlı bir tasarruf hesabı) ve konut kredileri gibi çeşitli karmaşık mali ürünler sunduğunu düşünün. Müşteri desteği ekibiniz, müşteri sorularının yanıtlarını hızlıca bulmak için dahili bir bilgi bankası kullanıyor.

Kurulum

Bu eğitime başlamadan önce aşağıdaki adımları tamamlayın:

  • Hugging Face'e giriş yapıp bir Gemma modeli için Lisansı onayla'yı seçerek EmbeddingGemma'ya erişin.
  • Hugging Face Erişim Jetonu oluşturun ve Colab'den giriş yapmak için kullanın.

Bu not defteri CPU veya GPU'da çalıştırılabilir.

Python paketlerini yükleme

EmbeddingGemma modelini çalıştırmak ve yerleştirmeler oluşturmak için gereken kitaplıkları yükleyin. Sentence Transformers, metin ve resim yerleştirmeleri için kullanılan bir Python çerçevesidir. Daha fazla bilgi için Sentence Transformers belgelerini inceleyin.

pip install -U sentence-transformers git+https://github.com/huggingface/transformers@v4.56.0-Embedding-Gemma-preview

Lisansı kabul ettikten sonra modele erişmek için geçerli bir Hugging Face jetonuna ihtiyacınız vardır.

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

Modeli Yükle

EmbeddingGemma ile bir model sınıfının örneğini oluşturmak için sentence-transformers kitaplıklarını kullanın.

import torch
from sentence_transformers import SentenceTransformer

device = "cuda" if torch.cuda.is_available() else "cpu"

model_id = "google/embeddinggemma-300M"
model = SentenceTransformer(model_id).to(device=device)

print(f"Device: {model.device}")
print(model)
print("Total number of parameters in the model:", sum([p.numel() for _, p in model.named_parameters()]))
Device: cuda:0
SentenceTransformer(
  (0): Transformer({'max_seq_length': 2048, 'do_lower_case': False, 'architecture': 'Gemma3TextModel'})
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Dense({'in_features': 768, 'out_features': 3072, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (3): Dense({'in_features': 3072, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (4): Normalize()
)
Total number of parameters in the model: 307581696

İnce ayar veri kümesini hazırlama

Bu en önemli kısımdır. Modeli, kendi bağlamınızda "benzer"in ne anlama geldiği konusunda eğiten bir veri kümesi oluşturmanız gerekir. Bu veriler genellikle üçlü olarak yapılandırılır: (bağlantı, pozitif, negatif)

  • Çapa: Orijinal sorgu veya cümle.
  • Olumlu: Anlama göre, çapa ile çok benzer veya aynı olan bir cümle.
  • Olumsuz: Anlamsal olarak farklı ancak ilgili bir konudaki cümle.

Bu örnekte yalnızca 3 üçlü hazırladık ancak gerçek bir uygulamada iyi performans göstermek için çok daha büyük bir veri kümesine ihtiyacınız olacaktır.

from datasets import Dataset

dataset = [
    ["How do I open a NISA account?", "What is the procedure for starting a new tax-free investment account?", "I want to check the balance of my regular savings account."],
    ["Are there fees for making an early repayment on a home loan?", "If I pay back my house loan early, will there be any costs?", "What is the management fee for this investment trust?"],
    ["What is the coverage for medical insurance?", "Tell me about the benefits of the health insurance plan.", "What is the cancellation policy for my life insurance?"],
]

# Convert the list-based dataset into a list of dictionaries.
data_as_dicts = [ {"anchor": row[0], "positive": row[1], "negative": row[2]} for row in dataset ]

# Create a Hugging Face `Dataset` object from the list of dictionaries.
train_dataset = Dataset.from_list(data_as_dicts)
print(train_dataset)
Dataset({
    features: ['anchor', 'positive', 'negative'],
    num_rows: 3
})

İnce Ayardan Önce

"Vergisiz yatırım" araması, benzerlik puanlarıyla birlikte aşağıdaki sonuçları vermiş olabilir:

  1. Belge: NISA hesabı açma (Puan: 0,45)
  2. Belge: Normal Tasarruf Hesabı Açma (Puan: 0,48) <- Benzer puan, kafa karıştırabilir
  3. Belge: Ev Kredisi Başvuru Kılavuzu (Puan: 0,42)
task_name = "STS"

def get_scores(query, documents):
  # Calculate embeddings by calling model.encode()
  query_embeddings = model.encode(query, prompt=task_name)
  doc_embeddings = model.encode(documents, prompt=task_name)

  # Calculate the embedding similarities
  similarities = model.similarity(query_embeddings, doc_embeddings)

  for idx, doc in enumerate(documents):
    print("Document: ", doc, "-> 🤖 Score: ", similarities.numpy()[0][idx])

query = "I want to start a tax-free installment investment, what should I do?"
documents = ["Opening a NISA Account", "Opening a Regular Savings Account", "Home Loan Application Guide"]

get_scores(query, documents)
Document:  Opening a NISA Account -> 🤖 Score:  0.45698774
Document:  Opening a Regular Savings Account -> 🤖 Score:  0.48092696
Document:  Home Loan Application Guide -> 🤖 Score:  0.42127067

Eğitim

Python'da sentence-transformers gibi bir çerçeve kullanıldığında temel model, finansal kelime dağarcığınızdaki ince ayrımları yavaş yavaş öğrenir.

from sentence_transformers import SentenceTransformerTrainer, SentenceTransformerTrainingArguments
from sentence_transformers.losses import MultipleNegativesRankingLoss
from transformers import TrainerCallback

loss = MultipleNegativesRankingLoss(model)

args = SentenceTransformerTrainingArguments(
    # Required parameter:
    output_dir="my-embedding-gemma",
    # Optional training parameters:
    prompts=model.prompts[task_name],    # use model's prompt to train
    num_train_epochs=5,
    per_device_train_batch_size=1,
    learning_rate=2e-5,
    warmup_ratio=0.1,
    # Optional tracking/debugging parameters:
    logging_steps=train_dataset.num_rows,
    report_to="none",
)

class MyCallback(TrainerCallback):
    "A callback that evaluates the model at the end of eopch"
    def __init__(self, evaluate):
        self.evaluate = evaluate # evaluate function

    def on_log(self, args, state, control, **kwargs):
        # Evaluate the model using text generation
        print(f"Step {state.global_step} finished. Running evaluation:")
        self.evaluate()

def evaluate():
  get_scores(query, documents)

trainer = SentenceTransformerTrainer(
    model=model,
    args=args,
    train_dataset=train_dataset,
    loss=loss,
    callbacks=[MyCallback(evaluate)]
)
trainer.train()
Step 3 finished. Running evaluation:
Document:  Opening a NISA Account -> 🤖 Score:  0.6449194
Document:  Opening a Regular Savings Account -> 🤖 Score:  0.44123
Document:  Home Loan Application Guide -> 🤖 Score:  0.46752414
Step 6 finished. Running evaluation:
Document:  Opening a NISA Account -> 🤖 Score:  0.68873787
Document:  Opening a Regular Savings Account -> 🤖 Score:  0.34069622
Document:  Home Loan Application Guide -> 🤖 Score:  0.50065553
Step 9 finished. Running evaluation:
Document:  Opening a NISA Account -> 🤖 Score:  0.7148906
Document:  Opening a Regular Savings Account -> 🤖 Score:  0.30480516
Document:  Home Loan Application Guide -> 🤖 Score:  0.52454984
Step 12 finished. Running evaluation:
Document:  Opening a NISA Account -> 🤖 Score:  0.72614634
Document:  Opening a Regular Savings Account -> 🤖 Score:  0.29255486
Document:  Home Loan Application Guide -> 🤖 Score:  0.5370023
Step 15 finished. Running evaluation:
Document:  Opening a NISA Account -> 🤖 Score:  0.7294032
Document:  Opening a Regular Savings Account -> 🤖 Score:  0.2893038
Document:  Home Loan Application Guide -> 🤖 Score:  0.54087913
Step 15 finished. Running evaluation:
Document:  Opening a NISA Account -> 🤖 Score:  0.7294032
Document:  Opening a Regular Savings Account -> 🤖 Score:  0.2893038
Document:  Home Loan Application Guide -> 🤖 Score:  0.54087913
TrainOutput(global_step=15, training_loss=0.009651281436261646, metrics={'train_runtime': 63.2486, 'train_samples_per_second': 0.237, 'train_steps_per_second': 0.237, 'total_flos': 0.0, 'train_loss': 0.009651281436261646, 'epoch': 5.0})

İnce Ayardan Sonra

Aynı arama artık çok daha net sonuçlar veriyor:

  1. Belge: NISA hesabı açma (Puan: 0,72) <- Çok daha fazla güven
  2. Belge: Normal Tasarruf Hesabı Açma (Puan: 0,28) <- Açıkça daha az alakalı
  3. Belge: Ev Kredisi Başvuru Kılavuzu (Puan: 0,54)
get_scores(query, documents)
Document:  Opening a NISA Account -> 🤖 Score:  0.7294032
Document:  Opening a Regular Savings Account -> 🤖 Score:  0.2893038
Document:  Home Loan Application Guide -> 🤖 Score:  0.54087913

Modelinizi Hugging Face Hub'a yüklemek için Sentence Transformers kitaplığındaki push_to_hub yöntemini kullanabilirsiniz.

Modelinizi yükleyerek doğrudan Hub'dan çıkarım için erişebilir, başkalarıyla paylaşabilir ve çalışmanızın farklı sürümlerini oluşturabilirsiniz. Yüklendikten sonra herkes, benzersiz model kimliğine <username>/my-embedding-gemma referans vererek tek bir kod satırıyla modelinizi yükleyebilir.

# Push to Hub
model.push_to_hub("my-embedding-gemma")

Özet ve sonraki adımlar

Artık EmbeddingGemma modelini Sentence Transformers kitaplığıyla ince ayar yaparak belirli bir alana nasıl uyarlayacağınızı öğrendiniz.

EmbeddingGemma ile yapabileceklerinizi keşfedin: