跳至主要内容

课程

使用 Llama 3 进行微调

中级2 小时

使用 TorchTune 为自定义任务微调 Llama,并学习量化等高效微调技术。

Python2 小时7 个视频22 个练习1,700 XP4,020成就证明

创建您的免费账户

继续使用 Google
继续即表示您接受我们的 使用条款,我们的 隐私政策 ,并且您的数据存储在美国。

深受数千家公司学习者的喜爱

要培训团队?

试用企业版

课程简介

Llama 模型微调

本课程提供一份全面指南,帮助您准备并使用 Llama 模型。 通过动手示例和实用练习,你将学习如何配置各种 Llama 微调任务。

准备用于微调的数据集

首先探索数据集准备技术,包括使用 Hugging Face Datasets 库加载、拆分和保存数据集,确保为您的 Llama 项目提供高质量数据。

使用微调框架

探索使用 TorchTune 和 Hugging Face 的 SFTTrainer 等前沿库的微调工作流程。 您将学习如何配置微调方案、设置训练参数,并利用 LoRA(低秩适配)和使用 BitsAndBytes 的量化等高效技术来优化资源使用。 通过结合在整个课程中学到的技术,你将能够以高效的方式定制 Llama 模型,以满足你的项目需求。

先修要求

课程体系

课程大纲

1

为 Llama 微调做准备

了解对 Llama 3 模型进行微调的多种方案,并深入认识 TorchTune——一个为简化微调而构建的库。本章将带您完成数据准备、TorchTune 的配方式系统以及高效的任务配置,帮助您掌握启动首次微调任务的关键步骤。
开始本章
2

使用 Hugging Face 的 SFTTrainer 进行微调

学习微调如何显著提升小型模型在特定任务上的性能。先从微调较小的 Llama 模型开始,以增强其任务定制能力。接着,了解 LoRA 等参数高效微调技术,并探索量化以加载和使用更大的模型。
开始本章

使用 Llama 3 进行微调

课程已完成

获得成就证明

立即报名

通过 DataCamp 移动版提升您的数据技能

借助我们的移动课程和每日 5 分钟编程挑战,随时随地取得进步。