Hugging Face AutoTrain

단일 CLI 파라미터만으로 코드 없이 모델 트레이닝을 수행할 수 있는 Hugging Face AutoTrain에서 W&B 실험 추적을 사용하세요.

Hugging Face AutoTrain은 자연어 처리(NLP), 컴퓨터 비전(CV), 음성, 그리고 테이블형 작업까지 다양한 작업에서 최첨단 모델을 트레이닝할 수 있는 노코드 도구입니다.

W&B는 Hugging Face AutoTrain에 직접 통합되어 있어 실험 추적과 설정 관리를 제공합니다. 실험에 CLI 명령어에서 파라미터 하나만 추가하면 될 정도로 사용이 간단합니다.

사전 요구 사항 설치

autotrain-advanced와 wandb를 설치합니다.

명령줄

pip install --upgrade autotrain-advanced wandb

노트북

!pip install --upgrade autotrain-advanced wandb

이러한 변경 사항을 설명하기 위해, 이 페이지에서는 수학 데이터셋으로 LLM을 파인튜닝하여 GSM8k Benchmarks에서 pass@1 기준 SoTA 결과를 달성합니다.

데이터셋 준비

Hugging Face AutoTrain이 제대로 작동하려면 CSV 맞춤형 데이터셋이 특정 형식을 갖춰야 합니다.

• 트레이닝 파일에는 트레이닝에 사용하는 text 열이 반드시 포함되어야 합니다. 최상의 결과를 얻으려면 text 열의 데이터가 ### Human: Question?### Assistant: Answer. 형식을 따라야 합니다. 좋은 예시는 timdettmers/openassistant-guanaco에서 확인할 수 있습니다.

  하지만 MetaMathQA 데이터셋에는 query, response, type 열이 포함되어 있습니다. 먼저 이 데이터셋을 전처리하세요. type 열을 제거하고, query 열과 response 열의 내용을 ### Human: Query?### Assistant: Response. 형식의 새로운 text 열로 결합하세요. 트레이닝에는 이렇게 만든 데이터셋인 rishiraj/guanaco-style-metamath을 사용합니다.

autotrain을 사용해 트레이닝하기

명령줄이나 노트북에서 autotrain advanced를 사용해 트레이닝을 시작할 수 있습니다. --log 인수를 사용하거나 --log wandb를 사용해 결과를 W&B Run에 로깅하세요.

명령줄

autotrain llm \
    --train \
    --model HuggingFaceH4/zephyr-7b-alpha \
    --project-name zephyr-math \
    --log wandb \
    --data-path data/ \
    --text-column text \
    --lr 2e-5 \
    --batch-size 4 \
    --epochs 3 \
    --block-size 1024 \
    --warmup-ratio 0.03 \
    --lora-r 16 \
    --lora-alpha 32 \
    --lora-dropout 0.05 \
    --weight-decay 0.0 \
    --gradient-accumulation 4 \
    --logging_steps 10 \
    --fp16 \
    --use-peft \
    --use-int4 \
    --merge-adapter \
    --push-to-hub \
    --token <huggingface-token> \
    --repo-id <huggingface-repository-address>

노트북

# 하이퍼파라미터 설정
learning_rate = 2e-5
num_epochs = 3
batch_size = 4
block_size = 1024
trainer = "sft"
warmup_ratio = 0.03
weight_decay = 0.
gradient_accumulation = 4
lora_r = 16
lora_alpha = 32
lora_dropout = 0.05
logging_steps = 10

# 트레이닝 실행
!autotrain llm \
    --train \
    --model "HuggingFaceH4/zephyr-7b-alpha" \
    --project-name "zephyr-math" \
    --log "wandb" \
    --data-path data/ \
    --text-column text \
    --lr str(learning_rate) \
    --batch-size str(batch_size) \
    --epochs str(num_epochs) \
    --block-size str(block_size) \
    --warmup-ratio str(warmup_ratio) \
    --lora-r str(lora_r) \
    --lora-alpha str(lora_alpha) \
    --lora-dropout str(lora_dropout) \
    --weight-decay str(weight_decay) \
    --gradient-accumulation str(gradient_accumulation) \
    --logging-steps str(logging_steps) \
    --fp16 \
    --use-peft \
    --use-int4 \
    --merge-adapter \
    --push-to-hub \
    --token str(hf_token) \
    --repo-id "rishiraj/zephyr-math"

추가 리소스

• 이제 AutoTrain Advanced에서 실험 추적을 지원합니다 - Rishiraj Acharya 작성
• Hugging Face AutoTrain 문서