ମୁକ୍ତ ମେସିନ୍ ଉପରେ ଏକ ଛୋଟ ମଡେଲ୍ ଟ୍ୟୁନ୍ କରନ୍ତୁ ଏବଂ ସେ ଯେଉଁ ଉଦାହରଣଗୁଡିକୁ କେବେ ଦେଖିନଥିଲା ସେଗୁଡିକର ପରିବର୍ତ୍ତନ ରିପୋର୍ଟ କରନ୍ତୁ।
Hugging Face ର ସସ୍ତା ଟ୍ୟୁନିଂ ପୃଷ୍ଠା କହେ ଯେ ଏହି ପ୍ରଣାଳୀଗୁଡିକ ସମ୍ପୂର୍ଣ୍ଣ ମଡେଲ୍ ନୁହେଁ, କେବଳ ଏକ ଛୋଟ ଆଡାପ୍ଟର୍ ଟ୍ରେନ୍ କରେ। ସେହି ଅତିରିକ୍ତ ଅଂଶ ସାଧାରଣତଃ LoRA ହୁଏ। ଏହା କମ୍ପ୍ୟୁଟ୍ ଓ ସ୍ଟୋରେଜ୍ ଖର୍ଚ୍ଚ କମାଏ, ଏବଂ ବଡ଼ ମଡେଲ୍ ଗୁଡିକୁ ସାଧାରଣ ହାର୍ଡୱେୟାରରେ ଟ୍ରେନ୍ କରିବାକୁ ଦିଏ। ମଡେଲ୍ ନିଜ ସଂଖ୍ୟାଗୁଡିକୁ ଛୁଇଁ ନଥାଏ, ତେଣୁ ଏକ ମୁକ୍ତ ନୋଟବୁକ୍ ପର୍ଯ୍ୟାପ୍ତ। ଗୁଗୁଲ୍ ନିଜ LoRA ଟ୍ୟୁଟୋରିଆଲରୁ ଏକ ଦଲିଲ ଚାଲାଣ, 14 ସେପ୍ଟେମ୍ବର 2026 ରେ ପଢ଼ାଗଲା। ଏହା Colab T4 ରେ LoRA ର୍ୟାଙ୍କ 4 ରେ Gemma 3 1B କୁ ଟ୍ୟୁନ୍ କରେ। 1,000 ଉଦାହରଣ ଉପରେ ଗୋଟିଏ ପାସ୍, ବ୍ୟାଚ୍ ସାଇଜ୍ 1, ଇନପୁଟ୍ 256 ଟୋକେନ୍ ରେ କଟା। ସେହି ପାସ୍ 923 ସେକେଣ୍ଡ ନେଲା, ପ୍ରାୟ 15 ମିନିଟ୍। ଟ୍ୟୁଟୋରିଆଲ୍ ପୂର୍ବ ଓ ପରେ ଉତ୍ତର ଦେଖାଏ, ସ୍କୋର୍ ନୁହେଁ, ତେଣୁ ରଖାଯାଇଥିବା ସ୍କୋର୍ ଆପଣଙ୍କର ଯୋଗ କରିବାକୁ।
- ସସ୍ତା ପଦ୍ଧତି ଏକ ଛୋଟ adapter ଟ୍ରେନ୍ କରେ ଏବଂ ମଡେଲ୍ କୁ ନ ଛୁଏ।
- ତୁମର ତିନୋଟି ସେଟିଂ ଅଛି: LoRA rank, ଟ୍ରେନିଂ ଦୀର୍ଘତା, ଏବଂ କେଉଁଠାରେ ବନ୍ଦ କରିବା।
- ଯେଉଁ ଉଦାହରଣ ଆପଣ ଅଲଗା ରଖିଥିଲେ ସେଗୁଡିକୁ ମାପନ୍ତୁ, ସେହି ମାପ ଯାହା ଆଗରୁ ବ୍ୟବହାର କରିଥିଲେ।
Taskମୁକ୍ତ ନୋଟବୁକ୍ ଉପରେ ଏକ ସୀମିତ କାମ ପାଇଁ ଛୋଟ ମଡେଲ୍ ଟ୍ୟୁନ୍ କରନ୍ତୁ ଏବଂ ସତ୍ୟ ଭାବେ ରିପୋର୍ଟ କରନ୍ତୁ।
Weak approach ରାତି ଭରି ଟ୍ରେନ୍ କରେ, ଶେଷ ପାସ୍ ର କପି ରଖେ, ଏବଂ କହେ ଯେ ଟ୍ରେନିଂ ସଂଖ୍ୟାଗୁଡିକ ଧୀରେ ଧୀରେ ହ୍ରାସ ପାଇଛି। ଚାଳିସ୍ ଟି ଯାହା ଆଲଗା ରଖାଯାଇଥିଲା ସେଗୁଡିକୁ ପରେ କେବେ ମୂଲ୍ୟାଙ୍କନ କରାଯାଇନି।
Stronger approach ମୁକ୍ତ Colab T4 ରେ LoRA ର୍ୟାଙ୍କ 4 ସହିତ Gemma 3 1B ଲୋଡ୍ କରେ, ଟ୍ୟୁଟୋରିଆଲର ନିଜ ସେଟିଂ। ତିନିଟି ସଂକ୍ଷିପ୍ତ ପାସ୍ ଚଲାଏ ଏବଂ ପ୍ରତ୍ୟେକ ପାସ୍ ପରେ ରଖାଯାଇଥିବା 40 ଉଦାହରଣରେ ସ୍କୋର୍ ମାପେ। ସେହି ପାସ୍ ଯେଉଁଥିରେ ସ୍କୋର୍ ସର୍ବୋଚ୍ଚ ହେଲା, ସେହି checkpoint ରଖେ, ଶେଷଟି ନୁହେଁ। ପୃଷ୍ଠାରେ ର୍ୟାଙ୍କ, ପାସ୍, ମିନିଟ୍ ଓ ଦୁଇଟି ସ୍କୋର୍ ଲେଖେ।
Why the stronger approach works ଦୁର୍ବଳ ରିପୋର୍ଟ ମଡେଲ୍ ଯେଉଁ ଉଦାହରଣ ଦେଖିଛି ସେଗୁଡିକୁ ମାପେ। ଶକ୍ତିଶାଳୀ ରିପୋର୍ଟ ମଡେଲ୍ କେବେ ନ ଦେଖିଥିବା ଉଦାହରଣ ମାପେ, ଏବଂ ସେ ସେଟିଂଗୁଡିକୁ ନାମ କରେ ଯାହାରୁ ସେ ସଂଖ୍ୟା ମିଳିଛି।
Try a changed situation ଏକ ସହଯୋଗୀ ଏକ ଟ୍ୟୁନ୍ କରାଯାଇଥିବା ମଡେଲ୍ ଅଂଶୀଦାର କରେ ଏବଂ କହେ ଯେ ଏହା ଭଲ କାମ କରୁଛି। ସେ କୌଣସି ସଂଖ୍ୟା ପଠାଉନାହାନ୍ତି। ଆପଣ କ’ଣ ମାଗିବେ?
Make something yourself ଏକ ଛୋଟ ମଡେଲ୍ ଟ୍ୟୁନ୍ କରନ୍ତୁ। ସେହି ଅଲଗା ରଖା ଉଦାହରଣଗୁଡିକର ପୂର୍ବ ଓ ପରେ ସ୍କୋର୍ ଦେଖାନ୍ତୁ, ଆପଣ ବ୍ୟବହାର କରିଥିବା ସେଟିଂସ୍ ଏବଂ ସମଗ୍ର ଚାଲାଣର ସମୟ ଲେଖନ୍ତୁ।