e5 mistral 7b instruct

E5-mistral-7b-instruct

docker build -t pytorch . 

docker run --gpus=all --ipc=host --ulimit memlock=-1 --ulimit stack=67108864 -it --rm -v $( pwd ) :/e5-mistral-7b-instruct/ pytorch bash

Menyiapkan data

Jalankan prepare_dataset untuk membuat dataset kesamaan dengan satu pasangan postif dan negatif dari SNLI.

python prepare_dataset.py

Jalankan model

Atur model cache folder export TRANSFORMERS_CACHE=.cache/

Pertama, jalankan accelerate config --config_file ds_zero3_cpu.yaml

Periksa file sampel untuk GPU tunggal di sini

Di bawah parameter yang diberikan diambil dari kertas untuk finetuning. Sesuaikan Accroding ke Dataset dan Usecase Anda.

accelerate launch 
    --config_file ds_zero3_cpu.yaml 
    peft_lora_embedding_semantic_search.py 
    --dataset_name similarity_dataset 
    --max_length 512 
    --model_name_or_path intfloat/e5-mistral-7b-instruct 
    --per_device_train_batch_size 1 
    --per_device_eval_batch_size 1 
    --learning_rate 0.0001 
    --weight_decay 0.01 
    --max_train_steps 1000 
    --gradient_accumulation_steps 2048 
    --lr_scheduler_type linear 
    --num_warmup_steps 100 
    --output_dir trained_model 
    --use_peft

Fungsi kerugian yang disalin dari sini-> https://github.com/relbers/info-nce-pytorch