เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Adafactor กับ Accelerator

คุณได้พิสูจน์แนวคิดการใช้ Adafactor ร่วมกับ Trainer เพื่อเทรนโมเดลแปลภาษาด้วยหน่วยความจำที่ลดลงแล้ว ตอนนี้ถึงเวลาปรับแต่ง training loop โดยใช้ Accelerator มาสร้าง training loop ที่ใช้ Adafactor กัน!

ฟังก์ชัน compute_optimizer_size() ถูกกำหนดไว้ล่วงหน้าแล้ว รวมถึง model, train_dataloader และ accelerator ที่โหลดมาให้แล้ว นอกจากนี้ยังได้ import Adafactor จาก torch.optim ไว้ให้เรียบร้อย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การเทรน AI Model อย่างมีประสิทธิภาพด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ส่งพารามิเตอร์ของโมเดลให้ Adafactor ตอนกำหนด optimizer
  • ส่ง optimizer state เข้าไปเพื่อแสดงขนาด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Pass the model parameters to Adafactor
optimizer = Adafactor(params=____.____())
model, optimizer, train_dataloader = accelerator.prepare(model, optimizer, train_dataloader)

for batch in train_dataloader:
    inputs, targets = batch["input_ids"], batch["labels"]
    outputs = model(inputs, labels=targets)
    loss = outputs.loss
    accelerator.backward(loss)
    optimizer.step()
    optimizer.zero_grad()

# Pass in the optimizer state
total_size_megabytes, total_num_elements = compute_optimizer_size(optimizer.state.____())
print(f"Number of optimizer parameters: {total_num_elements:,}\nOptimizer size: {total_size_megabytes:.0f} MB")  
แก้ไขและรันโค้ด