פרטי השיעור
שלב 3: כתיבת הקוד לאימון המודל באמצעות המאגרי מידע שיצרנו בשלב הקודם
כעת, נעבור לכתיבת הקוד שיאמן את המודל DistilGPT-2.
-
טעינת הנתונים:
-
נשתמש בחבילה
datasets
כדי לטעון את נתוני האימון.
-
from datasets import load_dataset # טוען את מערך הנתונים מקובץ טקסט dataset = load_dataset('text', data_files={'train': 'train.txt', 'test': 'test.txt'})
טעינת המודל והטוקניזר:
-
נשתמש במודל DistilGPT-2 ובטוקניזר שלו.
from transformers import GPT2Tokenizer, GPT2LMHeadModel tokenizer = GPT2Tokenizer.from_pretrained('distilgpt2') model = GPT2LMHeadModel.from_pretrained('distilgpt2')
עיבוד הנתונים:
-
נעבד את הנתונים כך שהמודל יוכל להשתמש בהם.
def tokenize_function(examples): return tokenizer(examples['text'], padding='max_length', truncation=True) tokenized_datasets = dataset.map(tokenize_function, batched=True)
הגדרת פרמטרים לאימון:
-
נשתמש ב-
Trainer
כדי להגדיר את פרמטרי האימון.
from transformers import Trainer, TrainingArguments training_args = TrainingArguments( output_dir='./results', evaluation_strategy="epoch", per_device_train_batch_size=8, per_device_eval_batch_size=8, num_train_epochs=3, weight_decay=0.01, ) trainer = Trainer( model=model, args=training_args, train_dataset=tokenized_datasets['train'], eval_dataset=tokenized_datasets['test'], )
אימון המודל:
-
כעת נבצע את האימון.
trainer.train()
שמירת המודל המאומן:
-
לאחר האימון, שמור את המודל המאומן כדי שתוכל להשתמש בו באפליקציה שלך.
model.save_pretrained('./trained_model') tokenizer.save_pretrained('./trained_model')