Spécifier les TrainingArguments

Vous configurez le processus d’entraînement de votre modèle de langue. TrainingArguments spécifie les paramètres d’entrée pour Trainer. Cet exercice fournit des valeurs pour ces paramètres ; en pratique, vous devrez généralement ajuster ces paramètres pour un modèle. Préparez les arguments de votre modèle pour utiliser Trainer !

Certaines données ont été préchargées :

output_dir est un répertoire prédéfini
La classe TrainingArguments a été importée

Cet exercice fait partie du cours

<cours>Entraîner efficacement des modèles d’IA avec PyTorch</cours>

Voir le cours

Instructions de l’exercice

Définissez training_args en utilisant la classe TrainingArguments.
Réglez le learning_rate à 2e-5 pour affiner les poids pré-entraînés de votre modèle.
Définissez la taille de lot d’entraînement par appareil sur chaque appareil à 16.
Définissez evaluation_strategy pour créer des checkpoints d’évaluation à chaque epoch.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Define training_args using a transformers class
training_args = TrainingArguments(
    output_dir=output_dir,
    # Set the learning rate to 2e-5
    learning_rate=____,
    # Set train batch size on each device to 16
    per_device_train_batch_size=____,
    per_device_eval_batch_size=16,
    num_train_epochs=2,
    weight_decay=0.01,
    save_strategy="epoch",
    # Set evaluation checkpoints every epoch
    evaluation_strategy=____,
)

Modifier et exécuter le code