Hugging Face AutoTrain

Hugging Face AutoTrain 은 자연어 처리 (NLP), 컴퓨터 비전 (CV), 음성 처리 및 정형 데이터 (Tabular) 작업을 위한 최첨단 모델을 트레이닝할 수 있는 노코드 (no-code) 툴입니다. W&B 는 Hugging Face AutoTrain 에 직접 인테그레이션되어, 실험 트래킹 및 설정 관리를 제공합니다. 실험을 위한 CLI 커맨드에 단일 파라미터를 추가하는 것만으로 간단하게 사용할 수 있습니다.

필수 구성 요소 설치

autotrain-advanced 와 wandb 를 설치합니다.

Command Line
Notebook

pip install --upgrade autotrain-advanced wandb

!pip install --upgrade autotrain-advanced wandb

이 가이드에서는 이러한 기능들을 시연하기 위해, 수학 데이터셋으로 LLM 을 파인튜닝하여 GSM8k 벤치마크 의 pass@1 에서 SoTA 결과를 달성하는 과정을 보여줍니다.

데이터셋 준비

Hugging Face AutoTrain 이 제대로 작동하려면 커스텀 CSV 데이터셋이 특정 형식을 갖추어야 합니다.

트레이닝 파일에는 트레이닝에 사용될 text 컬럼이 반드시 포함되어야 합니다. 최상의 결과를 얻으려면 text 컬럼의 데이터가 ### Human: Question?### Assistant: Answer. 형식을 따라야 합니다. timdettmers/openassistant-guanaco 에서 좋은 예시를 확인할 수 있습니다. 하지만, MetaMathQA 데이터셋 에는 query, response, type 컬럼이 포함되어 있습니다. 먼저 이 데이터셋을 전처리합니다. type 컬럼을 제거하고 query 와 response 컬럼의 내용을 ### Human: Query?### Assistant: Response. 형식의 새로운 text 컬럼으로 병합합니다. 트레이닝에는 결과 데이터셋인 rishiraj/guanaco-style-metamath 를 사용합니다.

`autotrain` 을 사용하여 트레이닝하기

커맨드라인이나 노트북에서 autotrain advanced 를 사용하여 트레이닝을 시작할 수 있습니다. --log 인수를 사용하거나, --log wandb 를 사용하여 결과를 W&B Run 에 로그합니다.

Command Line
Notebook

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>

# 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"

Guides

Integrations

Tutorials

Reference

필수 구성 요소 설치

데이터셋 준비

`autotrain` 을 사용하여 트레이닝하기

추가 리소스

Guides

Integrations

Tutorials

Reference

​필수 구성 요소 설치

​데이터셋 준비

​autotrain 을 사용하여 트레이닝하기

​추가 리소스

필수 구성 요소 설치

데이터셋 준비

`autotrain` 을 사용하여 트레이닝하기

추가 리소스