ഒരു സൗജന്യ യന്ത്രത്തിൽ ചെറിയ മോഡൽ ട്യൂൺ ചെയ്ത്, അത് ഒരിക്കലും കാണാത്ത ഉദാഹരണങ്ങളിൽ ഉണ്ടായ മാറ്റം റിപ്പോർട്ട് ചെയ്യുക.
Hugging Face പേജ് പറയുന്നത് ഈ സസ്തമായ ട്യൂണിംഗ് രീതികൾ മുഴുവൻ മോഡൽ അല്ല, ചെറിയ ഒരു അഡാപ്റ്റർ മാത്രമാണ് പരിശീലിപ്പിക്കുന്നത്. ആ അധിക ഭാഗം സാധാരണയായി LoRA ആണ്. ഇത് കംപ്യൂട്ട്, സ്റ്റോറേജ് ചെലവ് കുറയ്ക്കുന്നു, വലിയ മോഡലുകൾ സാധാരണ ഹാർഡ്വെയറിൽ പരിശീലിപ്പിക്കാൻ സഹായിക്കുന്നു. മോഡലിന്റെ സ്വന്തം നമ്പറുകൾ മാറ്റാറില്ല, അതുകൊണ്ട് ഒരു സൗജന്യ നോട്ട്ബുക്ക് മതിയാകും. ഗൂഗിളിന്റെ സ്വന്തം LoRA ട്യൂട്ടോറിയൽ പ്രകാരം 14 സെപ്റ്റംബർ 2026-ന് വായിച്ച ഒരു രേഖപ്പെടുത്തിയ റൺ ഉണ്ട്. Colab T4-ൽ LoRA റാങ്ക് 4-ൽ Gemma 3 1B ട്യൂൺ ചെയ്യുന്നു. 1,000 ഉദാഹരണങ്ങളിൽ ഒരു പാസ്, ബാച്ച് സൈസ് 1, ഇൻപുട്ട് 256 ടോക്കൺ വരെ. ആ പാസ് 923 സെക്കൻഡ് എടുത്തു, ഏകദേശം 15 മിനിറ്റ്. ട്യൂട്ടോറിയൽ സ്കോർ കാണിക്കുന്നില്ല, മറിച്ച് മുമ്പും ശേഷവും ഉള്ള മറുപടികൾ കാണിക്കുന്നു, അതിനാൽ മാറ്റി വച്ച സ്കോർ നിങ്ങൾ ചേർക്കണം.
- സസ്താ രീതിയിൽ ചെറിയ ഒരു അഡാപ്റ്റർ പരിശീലിപ്പിച്ച് മോഡൽ തന്നെ മാറ്റമില്ലാതെ വയ്ക്കുന്നു.
- നിങ്ങളുടെ കൈവശം മൂന്ന് സെറ്റിംഗുകൾ ഉണ്ട്: LoRA റാങ്ക്, പരിശീലന ദൈർഘ്യം, എവിടെ നിർത്തണം എന്നത്.
- മുമ്പ് ഉപയോഗിച്ചിട്ടുള്ള അളവുപയോഗിച്ച് മാറ്റിവച്ച ഉദാഹരണങ്ങളിൽ അളക്കുക.
Taskഒരു സൗജന്യ നോട്ട്ബുക്കിൽ ഒരു ചെറിയ മോഡൽ ഒരു നിശ്ചിത ജോലിക്ക് ട്യൂൺ ചെയ്ത് സത്യസന്ധമായി റിപ്പോർട്ട് ചെയ്യുക.
Weak approach രാത്രി മുഴുവൻ പരിശീലനം നടത്തുന്നു, അവസാന പാസ്സിലെ കോപ്പി സൂക്ഷിക്കുന്നു, പരിശീലന നമ്പറുകൾ സ്ഥിരമായി കുറഞ്ഞുവെന്ന് റിപ്പോർട്ട് ചെയ്യുന്നു. വേർതിരിച്ച 40 ഉദാഹരണങ്ങൾ പാസ്സിന് ശേഷം ഒരിക്കലും സ്കോർ ചെയ്തിട്ടില്ല.
Stronger approach Gemma 3 1B സൗജന്യ Colab T4-ൽ LoRA റാങ്ക് 4-ൽ ലോഡ് ചെയ്യുന്നു, ട്യൂട്ടോറിയലിന്റെ സ്വന്തം സെറ്റിംഗ്. മൂന്ന് ചെറിയ പാസുകൾ നടത്തുന്നു, ഓരോ പാസിനും ശേഷം മാറ്റി വച്ച 40 ഉദാഹരണങ്ങളിൽ സ്കോർ കണക്കാക്കുന്നു. സ്കോർ ഏറ്റവും ഉയർന്ന പാസിൽ നിന്നുള്ള ചെക്ക്പോയിന്റ് സൂക്ഷിക്കുന്നു, അവസാന പാസ് അല്ല. റാങ്ക്, പാസുകൾ, മിനിറ്റുകൾ, രണ്ട് സ്കോറുകളും പേജിൽ എഴുതുന്നു.
Why the stronger approach works ദുർബല റിപ്പോർട്ട് മോഡൽ കണ്ട ഉദാഹരണങ്ങൾ അളക്കുന്നു. ശക്തമായത് മോഡൽ ഒരിക്കലും കാണാത്ത ഉദാഹരണങ്ങൾ അളക്കുന്നു, ആ നമ്പർ ലഭിക്കാൻ ഉപയോഗിച്ച സെറ്റിംഗുകളും പറയുന്നു.
Try a changed situation ഒരു കൂട്ടുകാരൻ ട്യൂൺ ചെയ്ത മോഡൽ പങ്കുവെച്ച് അത് നല്ലതാണെന്ന് പറയുന്നു. എന്നാൽ ഒരു സംഖ്യയും അയയ്ക്കുന്നില്ല. നിങ്ങൾ എന്ത് ചോദിക്കും?
Make something yourself ഒരു ചെറിയ മോഡൽ ട്യൂൺ ചെയ്യുക. മാറ്റിവച്ച ഒരേ ഉദാഹരണങ്ങളുടെ മുമ്പും ശേഷവും സ്കോറുകൾ കാണിക്കുക, നിങ്ങൾ ഉപയോഗിച്ച ക്രമീകരണങ്ങൾ പറയുക, മുഴുവൻ ഓടൽ എത്ര സമയം എടുത്തുവെന്ന് രേഖപ്പെടുത്തുക.