FunctionGemma দিয়ে ফাইন-টিউনিং

ai.google.dev-এ দেখুন গুগল কোলাবে চালান কাগলে দৌড়ান ভার্টেক্স এআই-তে খুলুন GitHub-এ উৎস দেখুন

এই নির্দেশিকাটি দেখায় কিভাবে টুল কলিংয়ের জন্য FunctionGemma-কে সূক্ষ্ম-টিউন করতে হয়।

যদিও FunctionGemma মূলত টুলস কল করতে সক্ষম। কিন্তু প্রকৃত ক্ষমতা দুটি স্বতন্ত্র দক্ষতা থেকে আসে: একটি টুল কীভাবে ব্যবহার করতে হয় তার যান্ত্রিক জ্ঞান (সিনট্যাক্স) এবং কেন এবং কখন এটি ব্যবহার করতে হবে (উদ্দেশ্য) ব্যাখ্যা করার জ্ঞানীয় ক্ষমতা।

মডেলগুলিতে, বিশেষ করে ছোট মডেলগুলিতে, জটিল উদ্দেশ্য বোঝার জন্য কম প্যারামিটার উপলব্ধ থাকে। এই কারণেই আমাদের সেগুলিকে সূক্ষ্মভাবে সুরক্ষিত করতে হবে।

ফাইন-টিউনিং টুল কলিংয়ের জন্য সাধারণ ব্যবহারের ক্ষেত্রে অন্তর্ভুক্ত:

  • মডেল ডিস্টিলেশন : একটি বৃহত্তর মডেলের সাথে সিন্থেটিক প্রশিক্ষণ ডেটা তৈরি করা এবং নির্দিষ্ট কর্মপ্রবাহকে দক্ষতার সাথে প্রতিলিপি করার জন্য একটি ছোট মডেলকে সূক্ষ্ম-টিউন করা।
  • অ-মানক স্কিম পরিচালনা : বেস মডেলের লিগ্যাসি, অত্যন্ত জটিল ডেটা স্ট্রাকচার বা পাবলিক ডেটাতে পাওয়া যায় না এমন মালিকানাধীন ফর্ম্যাট, যেমন ডোমেন-নির্দিষ্ট মোবাইল অ্যাকশন পরিচালনার সাথে লড়াই কাটিয়ে ওঠা।
  • প্রসঙ্গ ব্যবহার অপ্টিমাইজ করা : মডেলের ওজনের মধ্যে "বেকিং" টুলের সংজ্ঞা। এটি আপনাকে আপনার প্রম্পটে সংক্ষিপ্ত বিবরণ ব্যবহার করতে দেয়, প্রকৃত কথোপকথনের জন্য প্রসঙ্গ উইন্ডোটি মুক্ত করে।
  • নির্বাচনের অস্পষ্টতা সমাধান : নির্দিষ্ট এন্টারপ্রাইজ নীতির দিকে মডেলটিকে পক্ষপাতদুষ্ট করা, যেমন একটি বহিরাগত অনুসন্ধান ইঞ্জিনের চেয়ে অভ্যন্তরীণ জ্ঞানের ভিত্তিকে অগ্রাধিকার দেওয়া।

এই উদাহরণে, আমরা বিশেষভাবে টুল নির্বাচনের অস্পষ্টতা পরিচালনার উপর ফোকাস করব।

ডেভেলপমেন্ট পরিবেশ সেটআপ করুন

প্রথম ধাপ হল TRL সহ Hugging Face Libraries এবং বিভিন্ন RLHF এবং অ্যালাইনমেন্ট কৌশল সহ ওপেন মডেলকে সূক্ষ্ম-টিউন করার জন্য ডেটাসেট ইনস্টল করা।

# Install Pytorch & other libraries
%pip install torch tensorboard

# Install Hugging Face libraries
%pip install transformers datasets accelerate evaluate trl 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: যদি আপনি অ্যাম্পিয়ার আর্কিটেকচার (যেমন NVIDIA L4) বা তার পরবর্তী GPU ব্যবহার করেন, তাহলে আপনি Flash attention ব্যবহার করতে পারেন। Flash attention হল এমন একটি পদ্ধতি যা গণনার গতি উল্লেখযোগ্যভাবে বৃদ্ধি করে এবং মেমোরির ব্যবহারকে দ্বিঘাত থেকে লিনিয়ার ইন সিকোয়েন্স লেন্থে হ্রাস করে, যার ফলে প্রশিক্ষণ 3x পর্যন্ত দ্রুততর হয়। FlashAttention এ আরও জানুন।

প্রশিক্ষণ শুরু করার আগে, আপনাকে নিশ্চিত করতে হবে যে আপনি জেমার ব্যবহারের শর্তাবলীতে সম্মত হয়েছেন। আপনি মডেল পৃষ্ঠায় http://huggingface.co/google/functiongemma-270m-it-"সম্মতি এবং অ্যাক্সেস রিপোজিটরি" বোতামে ক্লিক করে Hugging Face- এর লাইসেন্স গ্রহণ করতে পারেন।

লাইসেন্স গ্রহণ করার পর, মডেলটি অ্যাক্সেস করার জন্য আপনার একটি বৈধ Hugging Face Token প্রয়োজন। আপনি যদি Google Colab-এর ভিতরে কাজ করেন, তাহলে আপনি Colab secrets ব্যবহার করে আপনার Hugging Face Token নিরাপদে ব্যবহার করতে পারেন, অন্যথায় আপনি login পদ্ধতিতে সরাসরি টোকেনটি সেট করতে পারেন। নিশ্চিত করুন যে আপনার টোকেনে লেখার অ্যাক্সেসও আছে, কারণ আপনি আপনার মডেলটিকে ফাইন-টিউন করার পরে Hugging Face Hub-এ ঠেলে দিচ্ছেন।

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

আপনি Colab-এর স্থানীয় ভার্চুয়াল মেশিনে ফলাফল রাখতে পারেন। তবে, আপনার মধ্যবর্তী ফলাফলগুলি আপনার Google ড্রাইভে সংরক্ষণ করার জন্য অত্যন্ত পরামর্শ দেওয়া হচ্ছে। এটি আপনার প্রশিক্ষণের ফলাফল নিরাপদ রাখার বিষয়টি নিশ্চিত করে এবং আপনাকে সহজেই তুলনা করতে এবং সেরা মডেলটি নির্বাচন করতে দেয়।

এছাড়াও, চেকপয়েন্ট ডিরেক্টরি এবং শেখার হার সামঞ্জস্য করুন।

from google.colab import drive

mount_google_drive = False
checkpoint_dir = "functiongemma-270m-it-simple-tool-calling"

if mount_google_drive:
    drive.mount('/content/drive')
    checkpoint_dir = f"/content/drive/MyDrive/{checkpoint_dir}"

print(f"Checkpoints will be saved to {checkpoint_dir}")

base_model = "google/functiongemma-270m-it"
learning_rate = 5e-5
Checkpoints will be saved to functiongemma-270m-it-simple-tool-calling

ফাইন-টিউনিং ডেটাসেট প্রস্তুত করুন

আপনি নিম্নলিখিত উদাহরণ ডেটাসেট ব্যবহার করবেন, যাতে নমুনা কথোপকথন রয়েছে যার জন্য দুটি সরঞ্জামের মধ্যে একটি বেছে নিতে হবে: search_knowledge_base এবং search_google

সহজ টুল কলিং ডেটাসেট

"পাইথনে একটি সাধারণ রিকার্সিভ ফাংশন লেখার জন্য সর্বোত্তম অনুশীলনগুলি কী কী?" এই প্রশ্নটি বিবেচনা করুন।

উপযুক্ত টুলটি সম্পূর্ণরূপে আপনার নির্দিষ্ট নীতির উপর নির্ভর করে। যদিও একটি জেনেরিক মডেল স্বাভাবিকভাবেই search_google এ ডিফল্ট থাকে, একটি এন্টারপ্রাইজ অ্যাপ্লিকেশনকে সাধারণত প্রথমে search_knowledge_base পরীক্ষা করতে হয়।

ডেটা বিভাজন সম্পর্কে দ্রষ্টব্য : এই প্রদর্শনের জন্য, আপনি একটি 50/50 ট্রেন-টেস্ট স্প্লিট ব্যবহার করবেন। যদিও উৎপাদন কর্মপ্রবাহের জন্য একটি 80/20 স্প্লিট আদর্শ, এই সমান বিভাজনটি বিশেষভাবে অদৃশ্য ডেটাতে মডেলের কর্মক্ষমতা উন্নতি তুলে ধরার জন্য বেছে নেওয়া হয়েছে।

import json
from datasets import Dataset
from transformers.utils import get_json_schema

# --- Tool Definitions ---
def search_knowledge_base(query: str) -> str:
    """
    Search internal company documents, policies and project data.

    Args:
        query: query string
    """
    return "Internal Result"

def search_google(query: str) -> str:
    """
    Search public information.

    Args:
        query: query string
    """
    return "Public Result"


TOOLS = [get_json_schema(search_knowledge_base), get_json_schema(search_google)]

DEFAULT_SYSTEM_MSG = "You are a model that can do function calling with the following functions"

def create_conversation(sample):
  return {
      "messages": [
          {"role": "developer", "content": DEFAULT_SYSTEM_MSG},
          {"role": "user", "content": sample["user_content"]},
          {"role": "assistant", "tool_calls": [{"type": "function", "function": {"name": sample["tool_name"], "arguments": json.loads(sample["tool_arguments"])} }]},
      ],
      "tools": TOOLS
  }

dataset = Dataset.from_list(simple_tool_calling)
# You can also load the dataset from Hugging Face Hub
# dataset = load_dataset("bebechien/SimpleToolCalling", split="train")

# Convert dataset to conversational format
dataset = dataset.map(create_conversation, remove_columns=dataset.features, batched=False)

# Split dataset into 50% training samples and 50% test samples
dataset = dataset.train_test_split(test_size=0.5, shuffle=True)
Map:   0%|          | 0/40 [00:00<?, ? examples/s]

ডেটাসেট বিতরণ সম্পর্কে গুরুত্বপূর্ণ নোট

আপনার নিজস্ব কাস্টম ডেটাসেটে shuffle=False ব্যবহার করার সময়, নিশ্চিত করুন যে আপনার উৎস ডেটা আগে থেকে মিশ্রিত আছে। যদি বিতরণ অজানা বা সাজানো থাকে, তাহলে প্রশিক্ষণের সময় মডেলটি সমস্ত সরঞ্জামের একটি সুষম উপস্থাপনা শিখতে পারে তা নিশ্চিত করার জন্য আপনার shuffle=True ব্যবহার করা উচিত।

TRL এবং SFTTrainer ব্যবহার করে FunctionGemma-কে সূক্ষ্ম-সুর করুন

এখন তুমি তোমার মডেলটি সূক্ষ্মভাবে সুরক্ষিত করার জন্য প্রস্তুত। Hugging Face TRL SFTTrainer খোলা LLM গুলিকে সূক্ষ্মভাবে সুরক্ষিত করা সহজ করে তোলে। SFTTrainer হল transformers লাইব্রেরির Trainer একটি উপশ্রেণী এবং একই বৈশিষ্ট্যগুলি সমর্থন করে,

নিম্নলিখিত কোডটি Hugging Face থেকে FunctionGemma মডেল এবং টোকেনাইজার লোড করে।

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

# Load model and tokenizer
model = AutoModelForCausalLM.from_pretrained(
    base_model,
    dtype="auto",
    device_map="auto",
    attn_implementation="eager"
)
tokenizer = AutoTokenizer.from_pretrained(base_model)

print(f"Device: {model.device}")
print(f"DType: {model.dtype}")

# Print formatted user prompt
print("--- dataset input ---")
print(json.dumps(dataset["train"][0], indent=2))
debug_msg = tokenizer.apply_chat_template(dataset["train"][0]["messages"], tools=dataset["train"][0]["tools"], add_generation_prompt=False, tokenize=False)
print("--- Formatted prompt ---")
print(debug_msg)
Device: cuda:0
DType: torch.bfloat16
--- dataset input ---
{
  "messages": [
    {
      "content": "You are a model that can do function calling with the following functions",
      "role": "developer",
      "tool_calls": null
    },
    {
      "content": "What is the reimbursement limit for travel meals?",
      "role": "user",
      "tool_calls": null
    },
    {
      "content": null,
      "role": "assistant",
      "tool_calls": [
        {
          "function": {
            "arguments": {
              "query": "travel meal reimbursement limit policy"
            },
            "name": "search_knowledge_base"
          },
          "type": "function"
        }
      ]
    }
  ],
  "tools": [
    {
      "function": {
        "description": "Search internal company documents, policies and project data.",
        "name": "search_knowledge_base",
        "parameters": {
          "properties": {
            "query": {
              "description": "query string",
              "type": "string"
            }
          },
          "required": [
            "query"
          ],
          "type": "object"
        },
        "return": {
          "type": "string"
        }
      },
      "type": "function"
    },
    {
      "function": {
        "description": "Search public information.",
        "name": "search_google",
        "parameters": {
          "properties": {
            "query": {
              "description": "query string",
              "type": "string"
            }
          },
          "required": [
            "query"
          ],
          "type": "object"
        },
        "return": {
          "type": "string"
        }
      },
      "type": "function"
    }
  ]
}
--- Formatted prompt ---
<bos><start_of_turn>developer
You are a model that can do function calling with the following functions<start_function_declaration>declaration:search_knowledge_base{description:<escape>Search internal company documents, policies and project data.<escape>,parameters:{properties:{query:{description:<escape>query string<escape>,type:<escape>STRING<escape>} },required:[<escape>query<escape>],type:<escape>OBJECT<escape>} }<end_function_declaration><start_function_declaration>declaration:search_google{description:<escape>Search public information.<escape>,parameters:{properties:{query:{description:<escape>query string<escape>,type:<escape>STRING<escape>} },required:[<escape>query<escape>],type:<escape>OBJECT<escape>} }<end_function_declaration><end_of_turn>
<start_of_turn>user
What is the reimbursement limit for travel meals?<end_of_turn>
<start_of_turn>model
<start_function_call>call:search_knowledge_base{query:<escape>travel meal reimbursement limit policy<escape>}<end_function_call><start_function_response>

সূক্ষ্ম-সুরকরণের আগে

নিচের আউটপুটটি দেখায় যে এই ব্যবহারের ক্ষেত্রে আউট-অফ-দ্য-বক্স ক্ষমতা যথেষ্ট ভালো নাও হতে পারে।

def check_success_rate():
  success_count = 0
  for idx, item in enumerate(dataset['test']):
    messages = [
        item["messages"][0],
        item["messages"][1],
    ]

    inputs = tokenizer.apply_chat_template(messages, tools=TOOLS, add_generation_prompt=True, return_dict=True, return_tensors="pt")

    out = model.generate(**inputs.to(model.device), pad_token_id=tokenizer.eos_token_id, max_new_tokens=128)
    output = tokenizer.decode(out[0][len(inputs["input_ids"][0]) :], skip_special_tokens=False)

    print(f"{idx+1} Prompt: {item['messages'][1]['content']}")
    print(f"  Output: {output}")

    expected_tool = item['messages'][2]['tool_calls'][0]['function']['name']
    other_tool = "search_knowledge_base" if expected_tool == "search_google" else "search_google"

    if expected_tool in output and other_tool not in output:
      print("  `-> ✅ correct!")
      success_count += 1
    elif expected_tool not in output:
      print(f"  -> ❌ wrong (expected '{expected_tool}' missing)")
    else:
      if output.startswith(f"<start_function_call>call:{expected_tool}"):
        print(f"  -> ⚠️ tool is correct {expected_tool}, but other_tool exists in output")
      else:
        print(f"  -> ❌ wrong (hallucinated '{other_tool}')")

  print(f"Success : {success_count} / {len(dataset['test'])}")

check_success_rate()
1 Prompt: How do I access my paystubs on the ADP portal?
  Output: I cannot assist with accessing or retrieving paystubs or other company documents on the ADP portal. My current capabilities are limited to assisting with searching internal company documents and knowledge base queries.<end_of_turn>
  -> ❌ wrong (expected 'search_knowledge_base' missing)
2 Prompt: What is the syntax for Python list comprehensions?
  Output: I cannot assist with programming or providing programming syntax information. My current capabilities are focused on searching internal company documents and project data.<end_of_turn>
  -> ❌ wrong (expected 'search_google' missing)
3 Prompt: Where can I find the floor plan for Building B?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>Floor plan for Building B<escape>}<end_function_call><start_function_call>call:search_google{query:<escape>Floor plan for Building B<escape>}<end_function_call><start_function_response>
  -> ⚠️ tool is correct search_knowledge_base, but other_tool exists in output
4 Prompt: Check the latest stock price for Apple.
  Output: <start_function_call>call:search_google{query:<escape>AAPL stock price<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
5 Prompt: What is the procedure for reporting a phishing email?
  Output: I cannot assist with providing instructions or procedures for reporting phishing emails. My capabilities are limited to assisting with specific search and document management functions.<end_of_turn>
  -> ❌ wrong (expected 'search_knowledge_base' missing)
6 Prompt: Show me examples of using the useEffect hook in React.
  Output: I am sorry, but I cannot assist with providing examples of using the `useEffect` hook in React. My current capabilities are focused on assisting with searching and retrieving internal company documents and project data using the specified tools. I cannot generate or explain code examples related to React hooks.<end_of_turn>
  -> ❌ wrong (expected 'search_google' missing)
7 Prompt: Who are the direct reports for the VP of Engineering?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>VP of Engineering<escape>}<end_function_call><start_function_call>call:search_google{query:<escape>VP of Engineering<escape>}<end_function_call><start_function_response>
  -> ⚠️ tool is correct search_knowledge_base, but other_tool exists in output
8 Prompt: How do I list open ports on a Linux server?
  Output: I cannot assist with listing or querying open ports on Linux servers. My current capabilities are limited to assisting with searching internal company documents and project data using the specified tools.<end_of_turn>
  -> ❌ wrong (expected 'search_google' missing)
9 Prompt: What is our Slack message retention policy?
  Output: I cannot assist with finding or recommending company policies or terms of service regarding Slack messaging retention. My current capabilities are focused on searching internal company documents and project data.<end_of_turn>
  -> ❌ wrong (expected 'search_knowledge_base' missing)
10 Prompt: Compare the features of iPhone 15 vs Samsung S24.
  Output: I cannot assist with comparing device features or specifications. My current capabilities are focused on assisting with searching and managing company knowledge. I cannot browse or compare external product information.<end_of_turn>
  -> ❌ wrong (expected 'search_google' missing)
11 Prompt: I need the expense code for team building events.
  Output: I can certainly assist with searching for expense codes. Could you please specify the exact query you would like to use for searching the company expense database?<end_of_turn>
  -> ❌ wrong (expected 'search_knowledge_base' missing)
12 Prompt: Best practices for writing a Dockerfile for Node.js.
  Output: I am sorry, but I cannot assist with recommending best practices for writing Dockerfiles for Node.js. My current capabilities are focused on searching company documents and project data using specific tools. I cannot recommend or provide expert advice on software development best practices.<end_of_turn>
  -> ❌ wrong (expected 'search_google' missing)
13 Prompt: How do I request a new monitor setup?
  Output: I cannot assist with recommending or requesting hardware setup or configurations. My current capabilities are limited to assisting with searching company documents and project data using the specified tools. I cannot provide technical advice or recommendations for hardware setup.<end_of_turn>
  -> ❌ wrong (expected 'search_knowledge_base' missing)
14 Prompt: What is the difference between VLOOKUP and XLOOKUP in Google Sheets?
  Output: I cannot assist with comparing or contrasting Google Sheets and VLOOKUP/XLOOKUP in specific technical terms. My current capabilities are limited to assisting with specific data management functions like searching internal company documents and searching public knowledge base. I cannot provide expert comparisons or explanations of Google Sheets and VLOOKUP/XLOOKUP.<end_of_turn>
  -> ❌ wrong (expected 'search_google' missing)
15 Prompt: Find the onboarding checklist for new engineering hires.
  Output: <start_function_call>call:search_knowledge_base{query:<escape>onboarding checklist for new engineering hires<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
16 Prompt: What are the latest release notes for the OpenAI API?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>OpenAI API release notes latest<escape>}<end_function_call><start_function_response>
  -> ❌ wrong (expected 'search_google' missing)
17 Prompt: Do we have preferred hotel partners in Paris?
  Output: I apologize, but I cannot assist with finding hotel partner information. My current capabilities are focused on searching company documents and project data using specific keywords. I cannot connect with or query business databases for hotel partnerships.<end_of_turn>
  -> ❌ wrong (expected 'search_knowledge_base' missing)
18 Prompt: How to undo the last git commit but keep the changes?
  Output: I cannot assist with managing or undoing Git repositories. My current capabilities are limited to assisting with searching and managing organizational knowledge bases. I cannot provide specific instructions or assistance with technical issues related to software development or Git operations.<end_of_turn>
  -> ❌ wrong (expected 'search_google' missing)
19 Prompt: What is the process for creating a new Jira project?
  Output: I cannot assist with creating or managing Jira project processes. My current capabilities are limited to assisting with searching company documents and project data using the specified tools.<end_of_turn>
  -> ❌ wrong (expected 'search_knowledge_base' missing)
20 Prompt: Tutorial on SQL window functions.
  Output: I cannot assist with tutorials or programming advice regarding SQL window functions. My capabilities are limited to assisting with searching company documents and knowledge base information.<end_of_turn>
  -> ❌ wrong (expected 'search_google' missing)
Success : 2 / 20

প্রশিক্ষণ

আপনার প্রশিক্ষণ শুরু করার আগে, আপনাকে SFTConfig ইনস্ট্যান্সে কোন হাইপারপ্যারামিটারগুলি ব্যবহার করতে চান তা নির্ধারণ করতে হবে।

from trl import SFTConfig

torch_dtype = model.dtype

args = SFTConfig(
    output_dir=checkpoint_dir,              # directory to save and repository id
    max_length=512,                         # max sequence length for model and packing of the dataset
    packing=False,                          # Groups multiple samples in the dataset into a single sequence
    num_train_epochs=8,                     # number of training epochs
    per_device_train_batch_size=4,          # batch size per device during training
    gradient_checkpointing=False,           # Caching is incompatible with gradient checkpointing
    optim="adamw_torch_fused",              # use fused adamw optimizer
    logging_steps=1,                        # log every step
    #save_strategy="epoch",                  # save checkpoint every epoch
    eval_strategy="epoch",                  # evaluate checkpoint every epoch
    learning_rate=learning_rate,            # 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
)

আপনার মডেলের প্রশিক্ষণ শুরু করার জন্য আপনার SFTTrainer তৈরি করার জন্য প্রয়োজনীয় প্রতিটি বিল্ডিং ব্লক 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'],
    processing_class=tokenizer,
)
Tokenizing train dataset:   0%|          | 0/20 [00:00<?, ? examples/s]
Truncating train dataset:   0%|          | 0/20 [00:00<?, ? examples/s]
Tokenizing eval dataset:   0%|          | 0/20 [00:00<?, ? examples/s]
Truncating eval dataset:   0%|          | 0/20 [00:00<?, ? examples/s]
The model is already on multiple devices. Skipping the move to device specified in `args`.

train() পদ্ধতিতে 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()
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: {'bos_token_id': 2, 'pad_token_id': 0}.

প্রশিক্ষণ এবং বৈধতা ক্ষতির প্লট করার জন্য, আপনাকে সাধারণত TrainerState অবজেক্ট বা প্রশিক্ষণের সময় তৈরি হওয়া লগ থেকে এই মানগুলি বের করতে হবে।

Matplotlib-এর মতো লাইব্রেরিগুলি প্রশিক্ষণের ধাপ বা যুগের উপর এই মানগুলি কল্পনা করার জন্য ব্যবহার করা যেতে পারে। x-asis প্রশিক্ষণের ধাপ বা যুগের প্রতিনিধিত্ব করবে, এবং y-অক্ষ সংশ্লিষ্ট ক্ষতির মানগুলি উপস্থাপন করবে।

import matplotlib.pyplot as plt

# Access the log history
log_history = trainer.state.log_history

# Extract training / validation loss
train_losses = [log["loss"] for log in log_history if "loss" in log]
epoch_train = [log["epoch"] for log in log_history if "loss" in log]
eval_losses = [log["eval_loss"] for log in log_history if "eval_loss" in log]
epoch_eval = [log["epoch"] for log in log_history if "eval_loss" in log]

# Plot the training loss
plt.plot(epoch_train, train_losses, label="Training Loss")
plt.plot(epoch_eval, eval_losses, label="Validation Loss")
plt.xlabel("Epoch")
plt.ylabel("Loss")
plt.title("Training and Validation Loss per Epoch")
plt.legend()
plt.grid(True)
plt.show()

png

মডেল অনুমান পরীক্ষা করুন

প্রশিক্ষণ শেষ হওয়ার পর, আপনাকে আপনার মডেলটি মূল্যায়ন এবং পরীক্ষা করতে হবে। আপনি পরীক্ষার ডেটাসেট থেকে বিভিন্ন নমুনা লোড করতে পারেন এবং সেই নমুনাগুলিতে মডেলটি মূল্যায়ন করতে পারেন।

check_success_rate()
1 Prompt: How do I access my paystubs on the ADP portal?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>paystubs API portal access codes<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
2 Prompt: What is the syntax for Python list comprehensions?
  Output: <start_function_call>call:search_google{query:<escape>Python list comprehensions syntax<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
3 Prompt: Where can I find the floor plan for Building B?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>floor plan Building B floor plan<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
4 Prompt: Check the latest stock price for Apple.
  Output: <start_function_call>call:search_google{query:<escape>latest stock price Apple<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
5 Prompt: What is the procedure for reporting a phishing email?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>phishing email procedure reporting policy<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
6 Prompt: Show me examples of using the useEffect hook in React.
  Output: <start_function_call>call:search_knowledge_base{query:<escape>useEffect hook examples React<escape>}<end_function_call><start_function_response>
  -> ❌ wrong (expected 'search_google' missing)
7 Prompt: Who are the direct reports for the VP of Engineering?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>VP of Engineering direct reports<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
8 Prompt: How do I list open ports on a Linux server?
  Output: <start_function_call>call:search_google{query:<escape>open ports Linux server equivalents<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
9 Prompt: What is our Slack message retention policy?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>slack message retention policy policy excerpt<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
10 Prompt: Compare the features of iPhone 15 vs Samsung S24.
  Output: <start_function_call>call:search_google{query:<escape>iPhone 15 vs Samsung S24 feature comparison<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
11 Prompt: I need the expense code for team building events.
  Output: <start_function_call>call:search_knowledge_base{query:<escape>expense code team building events<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
12 Prompt: Best practices for writing a Dockerfile for Node.js.
  Output: <start_function_call>call:search_knowledge_base{query:<escape>Docker file best practices Node.js<escape>}<end_function_call><start_function_response>
  -> ❌ wrong (expected 'search_google' missing)
13 Prompt: How do I request a new monitor setup?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>new monitor setup request procedure<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
14 Prompt: What is the difference between VLOOKUP and XLOOKUP in Google Sheets?
  Output: <start_function_call>call:search_google{query:<escape>VLOOKUP vs XLOOKUP difference Google Sheets中<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
15 Prompt: Find the onboarding checklist for new engineering hires.
  Output: <start_function_call>call:search_knowledge_base{query:<escape>engineering hire onboarding checklist New hires.<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
16 Prompt: What are the latest release notes for the OpenAI API?
  Output: <start_function_call>call:search_google{query:<escape>latest OpenAI API release notes latest version<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
17 Prompt: Do we have preferred hotel partners in Paris?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>preferred hotel partners in Paris<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
18 Prompt: How to undo the last git commit but keep the changes?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>undo git commit last commit<escape>}<end_function_call><start_function_response>
  -> ❌ wrong (expected 'search_google' missing)
19 Prompt: What is the process for creating a new Jira project?
  Output: <start_function_call>call:search_knowledge_base{query:<escape>Jira project creation process<escape>}<end_function_call><start_function_response>
  `-> ✅ correct!
20 Prompt: Tutorial on SQL window functions.
  Output: <start_function_call>call:search_knowledge_base{query:<escape>SQL window functions tutorial<escape>}<end_function_call><start_function_response>
  -> ❌ wrong (expected 'search_google' missing)
Success : 16 / 20

সারাংশ এবং পরবর্তী পদক্ষেপ

আপনি শিখেছেন কিভাবে FunctionGemma-কে সূক্ষ্ম-টিউন করতে হয় টুল নির্বাচনের অস্পষ্টতা সমাধান করতে, এমন একটি দৃশ্য যেখানে একটি মডেলকে নির্দিষ্ট এন্টারপ্রাইজ নীতির উপর ভিত্তি করে ওভারল্যাপিং টুলগুলির (যেমন, অভ্যন্তরীণ বনাম বহিরাগত অনুসন্ধান) মধ্যে একটি বেছে নিতে হয়। Hugging Face TRL লাইব্রেরি এবং SFTTrainer ব্যবহার করে, টিউটোরিয়ালটি একটি ডেটাসেট প্রস্তুত করার, হাইপারপ্যারামিটার কনফিগার করার এবং একটি তত্ত্বাবধানে থাকা ফাইন-টিউনিং লুপ কার্যকর করার প্রক্রিয়াটি অতিক্রম করেছে।

ফলাফলগুলি একটি "সক্ষম" বেস মডেল এবং একটি "উৎপাদন-প্রস্তুত" সূক্ষ্ম-সুরক্ষিত মডেলের মধ্যে গুরুত্বপূর্ণ পার্থক্য চিত্রিত করে:

  • ফাইন-টিউনিংয়ের আগে : বেস মডেলটি নির্দিষ্ট নীতি মেনে চলতে লড়াই করত, প্রায়শই সরঞ্জামগুলি কল করতে ব্যর্থ হত বা ভুলটি বেছে নিত, যার ফলে সাফল্যের হার কম হত (যেমন, 2/20)।
  • ফাইন-টিউনিংয়ের পর : ৮টি যুগের প্রশিক্ষণের পর, মডেলটি search_knowledge_base বনাম search_google-এর জন্য প্রয়োজনীয় প্রশ্নের মধ্যে সঠিকভাবে পার্থক্য করতে শিখেছে, যার ফলে সাফল্যের হার উন্নত হয়েছে (যেমন, ১৬/২০)।

এখন যেহেতু আপনার কাছে একটি সূক্ষ্ম-সুরযুক্ত মডেল আছে, উৎপাদনের দিকে এগিয়ে যাওয়ার জন্য নিম্নলিখিত পদক্ষেপগুলি বিবেচনা করুন:

  • ডেটাসেটটি প্রসারিত করুন : বর্তমান ডেটাসেটটি ছিল একটি ছোট, সিন্থেটিক স্প্লিট (50/50) যা প্রদর্শনের জন্য ব্যবহৃত হয়েছিল। একটি শক্তিশালী এন্টারপ্রাইজ অ্যাপ্লিকেশনের জন্য, একটি বৃহত্তর, আরও বৈচিত্র্যময় ডেটাসেট তৈরি করুন যা প্রান্তিক কেস এবং বিরল নীতি ব্যতিক্রমগুলিকে অন্তর্ভুক্ত করে।
  • RAG-এর মাধ্যমে মূল্যায়ন : সূক্ষ্মভাবে সুরক্ষিত মডেলটিকে একটি Retrieval Augmented Generation (RAG) পাইপলাইনে একীভূত করুন যাতে যাচাই করা যায় যে search_knowledge_base টুলটি আসলে প্রাসঙ্গিক নথি পুনরুদ্ধার করে এবং সঠিক চূড়ান্ত উত্তর দেয়।

পরবর্তী ডকুমেন্টগুলি দেখুন: