PPO-finetuning
Nadat je de trainer hebt geïnitialiseerd, moet je nu de lus opzetten om het model te finetunen.
De beloningstrainer ppo_trainer is geïnitialiseerd met de klasse PPOTrainer uit de trl-pythonbibliotheek.
Deze oefening maakt deel uit van de cursus
Reinforcement Learning from Human Feedback (RLHF)
Oefeninstructies
- Genereer respons-tensors met behulp van de input-ids en de trainer binnen de PPO-lus.
- Voltooi de stap binnen de PPO-lus die queries, responses en beloningsgegevens gebruikt om het PPO-model te optimaliseren.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
for batch in tqdm(ppo_trainer.dataloader):
# Generate responses for the given queries using the trainer
response_tensors = ____(batch["input_ids"])
batch["response"] = [tokenizer.decode(r.squeeze()) for r in response_tensors]
texts = [q + r for q, r in zip(batch["query"], batch["response"])]
rewards = reward_model(texts)
# Training PPO step with the query, responses ids, and rewards
stats = ____(batch["input_ids"], response_tensors, rewards)
ppo_trainer.log_stats(stats, batch, rewards)