เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสร้างตัวอย่างข้อมูลสำหรับการเทรน

ในฐานะส่วนหนึ่งของโปรเจกต์สร้าง chatbot บริการลูกค้าของทีม คุณกำลังสร้าง pipeline สำหรับเตรียมชุดข้อมูลที่จะนำไปใช้ fine-tune โมเดลภาษา เพื่อให้โมเดลสามารถคาดการณ์ความต้องการของลูกค้าและส่งต่อคำขอไปยังทีมที่รับผิดชอบได้อย่างถูกต้อง

ชุดข้อมูลที่ได้รับมีคำถามของลูกค้าและความต้องการแยกอยู่ในคอลัมน์ต่างกัน และต้องการเตรียมชุดข้อมูลโดยรวมตัวอย่างแต่ละรายการที่ประกอบด้วยคำถามและความต้องการให้เป็น string เดียวในรูปแบบ prompt ที่กำหนด

ชุดข้อมูลถูกโหลดไว้ใน dataset แล้ว โดยมีคอลัมน์ instruction สำหรับคำถามของลูกค้า และคอลัมน์ intent สำหรับความต้องการของผู้ใช้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Fine-Tuning กับ Llama 3

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง prompt string ที่รวม instruction และ intent ในรูปแบบ "Query: {instruction}\nIntent: {intent}"
  • กรอก argument ในการเรียกฟังก์ชันด้วยชุดข้อมูล เพื่อนำ create_intent_example ไปใช้กับแต่ละแถว
  • ดึงและแสดงค่าในคอลัมน์ intent_example ของแถวแรกในชุดข้อมูล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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[____][____])
แก้ไขและรันโค้ด