Trainer के साथ Adafactor
आप अपनी भाषा अनुवाद सेवा के लिए अरबों पैरामीटर्स वाला एक Transformer मॉडल ट्रेन कर रहे हैं. यह आपके कंप्यूटेशनल संसाधनों पर भार डाल रहा है, इसलिए आप मेमोरी की ज़रूरत को AdamW की तुलना में कम करने के लिए Adafactor ऑप्टिमाइज़र आज़माने का निर्णय लेते हैं. Adafactor के लिए Trainer तैयार करें!
कुछ प्रशिक्षण ऑब्जेक्ट पहले से लोड हैं, जिनमें model, train_dataset, validation_dataset, और compute_metrics शामिल हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
PyTorch के साथ कुशल AI मॉडल प्रशिक्षण
अभ्यास निर्देश
TrainingArgumentsमें ऑप्टिमाइज़र के रूप मेंAdafactorनिर्दिष्ट करें.- साइज प्रिंट करने के लिए ऑप्टिमाइज़र स्टेट पास करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Specify Adafactor as an optimizer
training_args = TrainingArguments(output_dir="./results",
evaluation_strategy="epoch",
optim="____")
trainer = Trainer(model=model,
args=training_args,
train_dataset=train_dataset,
eval_dataset=validation_dataset,
compute_metrics=compute_metrics)
trainer.train()
# Pass in the optimizer state
total_size_megabytes, total_num_elements = compute_optimizer_size(trainer.optimizer.state.____())
print(f"\nNumber of optimizer parameters: {total_num_elements:,}\nOptimizer size: {total_size_megabytes:.0f} MB")