Training samples बनाना
आपकी टीम जो कस्टमर सर्विस चैटबॉट बना रही है, उसके हिस्से के रूप में आप एक पाइपलाइन बना रहे हैं जो एक डेटासेट को प्रीप्रोसेस करेगी. आगे चलकर इसी डेटासेट से एक लैंग्वेज मॉडल को फाइन-ट्यून किया जाएगा ताकि वह ग्राहक के सवाल के इरादे (intent) की भविष्यवाणी कर सके और रिक्वेस्ट्स को प्रोसेसिंग के लिए सही टीम तक पहुँचा सके.
आपको एक ऐसा डेटासेट दिया गया है जिसमें ग्राहक का सवाल और उसका इरादा अलग-अलग कॉलम में हैं. आप डेटासेट को इस तरह प्रीप्रोसेस करना चाहते हैं कि हर उदाहरण में सवाल और इरादा, आपके फ़ॉर्मेटेड प्रॉम्प्ट के साथ, एक ही स्ट्रिंग में मर्ज हो जाए.
डेटासेट पहले से dataset में लोड है. इसमें instruction कॉलम में ग्राहक का सवाल है, और intent कॉलम में यूज़र का इरादा.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Llama 3 के साथ फाइन-ट्यूनिंग
अभ्यास निर्देश
"Query: {instruction}\nIntent: {intent}"के फ़ॉर्म में instruction और intent के साथ एक प्रॉम्प्ट स्ट्रिंग बनाएँ.- फंक्शन कॉल को डेटासेट के साथ भरें ताकि
create_intent_exampleहर पंक्ति पर लागू हो सके. - डेटासेट की पहली पंक्ति में
intent_exampleकॉलम का मान निकालें और प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
def create_intent_example(row):
# Fill out the columns in the prompt
row['intent_example'] = ____
return row
# Call the ds method to apply our preprocessing function to all rows
processed_dataset = dataset.____(____)
# Print the intent_example in the first row of the processed data
print(processed_dataset[____][____])