|
--- |
|
library_name: transformers |
|
tags: |
|
- llama-factory |
|
license: cc-by-nc-sa-4.0 |
|
--- |
|
|
|
## Model |
|
- base model: [beomi/Llama-3-KoEn-8B-Instruct-preview](https://huggingface.co/beomi/Llama-3-KoEn-8B-Instruct-preview) |
|
|
|
## Dataset |
|
- [youjunhyeok/llama3_train](https://huggingface.co/datasets/youjunhyeok/llama3_train) |
|
|
|
## Load Model |
|
|
|
Use the following Python code to load the model: |
|
|
|
```python3 |
|
from transformers import AutoTokenizer, AutoModelForCausalLM |
|
|
|
path = 'youjunhyeok/llama3-8b-ko-sft-v1' |
|
|
|
model = AutoModelForCausalLM.from_pretrained(path) |
|
tokenizer = AutoTokenizer.from_pretrained(path) |
|
model.to('cuda') |
|
``` |
|
|
|
## Chat |
|
|
|
```python3 |
|
def chat(message): |
|
messages = [ |
|
{"role": "system", "content": "당신은 인공지능 어시스턴트입니다. 친절하고 정확한 답변을 해주세요."}, |
|
{"role": "user", "content": message}, |
|
] |
|
|
|
input_ids = tokenizer.apply_chat_template( |
|
messages, |
|
add_generation_prompt=True, |
|
return_tensors="pt" |
|
).to(model.device) |
|
|
|
terminators = [ |
|
tokenizer.eos_token_id, |
|
tokenizer.convert_tokens_to_ids("<|eot_id|>") |
|
] |
|
|
|
outputs = model.generate( |
|
input_ids, |
|
max_new_tokens=512, |
|
eos_token_id=terminators, |
|
do_sample=True, |
|
temperature=0.9, |
|
top_p=0.95, |
|
) |
|
response = outputs[0][input_ids.shape[-1]:] |
|
print(tokenizer.decode(response, skip_special_tokens=True)) |
|
|
|
chat('ETL 파이프라인을 어떻게 구현해야할까?') |
|
``` |
|
|
|
## Output |
|
|
|
``` |
|
ETL(데이터 추출, 변환 및 로드) 파이프라인을 구현하려면 먼저 데이터 소스, 목표, 중간 결과물과 같은 ETL 파이프라인의 각 단계에 대한 명확한 이해와 구현 계획이 필요합니다. 다음은 일반적인 ETL 파이프라인 구현 프로세스입니다: |
|
|
|
1. 데이터 소스 이해: ETL 파이프라인의 첫 번째 단계는 데이터 소스를 결정하는 것입니다. ETL 파이프라인에 사용할 데이터 소스 유형을 식별하고 데이터 소스에서 추출할 데이터에 대한 구체적인 계획을 세웁니다. |
|
|
|
2. ETL 도구 선택: ETL을 구현하는 데 사용할 도구를 결정합니다. ETL 프로세스의 특정 요구 사항에 따라 다양한 도구를 사용할 수 있습니다. 인기 있는 도구로는 Oracle의 Informatica, Microsoft의 Power BI, 데이터웨어하우스 툴인 Talend 등이 있습니다. |
|
|
|
3. 추출 계획 수립: 데이터 소스에서 데이터를 추출할 계획을 세웁니다. 이 단계에서는 데이터 소스에서 필요로 하는 데이터 유형, 구조 및 형식을 파악합니다. 추출 프로세스에 대한 로드맵을 만들고, 데이터 변환 및 로드에 대한 필요성을 식별하는 것이 중요합니다. |
|
|
|
4. 변환 계획 수립: 데이터를 변환하기 위해 실행할 프로세스를 결정합니다. 데이터 포맷을 변환하고, 데이터 유형을 변환하며, 필요한 경우 데이터 값을 정규화하거나 결합합니다. |
|
|
|
5. 데이터 로드 계획 수립: 변환된 데이터를 데이터베이스나 기타 목적지에 로드할 계획을 세웁니다. 이 단계에서는 데이터베이스 디자인, 저장 프로시저 또는 파이프라인 구성을 결정합니다. |
|
|
|
6. ETL 파이프라인 구현: ETL 도구를 사용하여 ETL 파이프라인을 구현합니다. 소스, 변환, 로드 단계를 순서대로 처리하여 필요한 데이터 변환을 수행합니다. |
|
|
|
7. 데이터 품질 관리: ETL 파이프라인이 올바르게 작동하고 데이터 품질이 유지되도록 테스트하고 모니터링합니다. 데이터 오류 및 누락 항목을 검출하고 데이터 품질을 유지하기 위한 프로세스를 구현합니다. |
|
``` |
|
|
|
## BenchMark (KOR) |
|
|
|
``` |
|
# alias |
|
A = youjunhyeok/llama3-koen-8b-sft-v1 |
|
B = DavidAhn/Llama-3-8B-slerp-262k |
|
C = meta-llama/Meta-Llama-3-8B |
|
D = chihoonlee10/T3Q-ko-solar-dpo-v7.0 (24.05.24 ko 리더보드 1등) |
|
``` |
|
|
|
| Benchmark (macro_f1) | A | B | C | D | |
|
|---------------------------|:----:|:----:|:----:|:----:| |
|
| kobest_boolq (0-shot) | 78.1 | 33.5 | 38.2 | 34.1 | |
|
| kobest_boolq (5-shot) | 85.0 | 68.8 | 83.8 | 93.1 | |
|
| kobest_copa (0-shot) | 80.4 | 58.5 | 63.1 | 81.0 | |
|
| kobest_copa (5-shot) | 84.0 | 61.7 | 69.1 | 91.0 | |
|
| kobest_hellaswag (0-shot) | 51.7 | 43.2 | 42.1 | 55.1 | |
|
| kobest_hellaswag (5-shot) | 51.7 | 45.3 | 44.2 | 55.2 | |
|
| kobest_sentineg (0-shot) | 81.5 | 34.8 | 51.5 | 82.7 | |
|
| kobest_sentineg (5-shot) | 97.7 | 85.8 | 94.7 | 91.4 | |
|
|
|
## BenchMark (ENG) |
|
|
|
``` |
|
# alias |
|
A = youjunhyeok/llama3-koen-8b-sft-v1 |
|
B = DavidAhn/Llama-3-8B-slerp-262k |
|
C = meta-llama/Meta-Llama-3-8B |
|
``` |
|
|
|
| | A | B | C | |
|
|:--------------|------:|------:|------:| |
|
| openbookqa | 0.310 | 0.312 | 0.338 | |
|
| hellaswag | 0.544 | 0.587 | 0.576 | |
|
| boolq | 0.807 | 0.832 | 0.831 | |
|
| arc_easy | 0.753 | 0.808 | 0.815 | |
|
| arc_challenge | 0.421 | 0.518 | 0.529 | |
|
|
|
## Llama_factory Train Config |
|
{data_dir}, {dataset_name}, {output_dir} is variable |
|
``` |
|
cutoff_len: 1024 |
|
dataset: {dataset_name} |
|
dataset_dir: {data_dir} |
|
ddp_timeout: 180000000 |
|
do_train: true |
|
eval_steps: 500 |
|
eval_strategy: steps |
|
finetuning_type: lora |
|
flash_attn: auto |
|
fp16: true |
|
gradient_accumulation_steps: 8 |
|
include_num_input_tokens_seen: true |
|
learning_rate: 5.0e-05 |
|
logging_steps: 5 |
|
lora_alpha: 16 |
|
lora_dropout: 0.05 |
|
lora_rank: 16 |
|
lora_target: all |
|
lr_scheduler_type: cosine |
|
max_grad_norm: 1.0 |
|
max_samples: 300000 |
|
model_name_or_path: beomi/Llama-3-KoEn-8B-Instruct-preview |
|
num_train_epochs: 1.0 |
|
optim: adamw_torch |
|
output_dir: {output_dir} |
|
packing: false |
|
per_device_eval_batch_size: 16 |
|
per_device_train_batch_size: 16 |
|
plot_loss: true |
|
preprocessing_num_workers: 16 |
|
report_to: all |
|
save_steps: 1000 |
|
stage: sft |
|
template: llama3 |
|
val_size: 0.01 |
|
warmup_steps: 1000 |
|
``` |
