- Learn
- See
- Try
- Make
मुक्तयन्त्रे लघुं मॉडलम् सञ्चालय
What this lesson is about
मुक्तपुस्तिकायां लघुं मॉडलम् आवह, तस्मै दश इनपुट् प्रेषय, यत् प्रत्यागतं तद् रक्षितुम्।
हिन्दीभाषायां दश ग्राहकसंदेशाः प्रतीक्षन्ते च एकः मुक्तः यन्त्रः एकघण्टपर्यन्तं उद्घाटितः अस्ति। तेषां सह किं कुर्याः?
Why this matters
एकैकपंक्तिरेखया मॉडलस्य नाम निर्दिश्य तं सञ्चालयितुं व्यवस्थितं करोति, अन्या पंक्तिः तव पाठं प्रेषयति। मुक्तयन्त्रे प्रथमं सीमां स्मृतिः ददाति, धैर्यं न। मुक्ते Colab पत्रिकायां T4 कार्डः १६ GB स्मृत्या अस्ति, १४ सप्टेम्बर् २०२६ तमे पठितम्। Colab उक्तवान् यत् कार्डस्य गारंटी नास्ति च सत्रं अधिकतमं १२ घण्टानि समाप्तं भवति। Llama 3.2 1B पूर्णविस्तारे २,३५८ MB अपेक्षते, अतः यथावत् समायाति। यः मॉडलः न समायते सः क्वांटाइज् क्रियते — लघूनां सङ्ख्यानां रूपेण सञ्चितः। Transformers ग्रन्थेषु उक्तम् यत् ८-बिट् सञ्चयः स्मृतिं अर्धं करोति, ४-बिट् तु चतुर्थांशं। Meta कार्डे तेनैव 1B मॉडलस्य ४-बिट् QLoRA रूपं १,१२७ MB इति दर्शितम्। ग्रन्थेषु सत्यं व्ययः — लघूनि सङ्ख्यानि यथाशक्ति यथासम्भवं यथार्थतां रक्षन्ते, न सर्वाम्। अतः क्वांटाइज् कृत्वा पुनः मापनं कुर्वीत।
Read the primary or official source: Hugging Face Transformers · quickstart