Obiectul TrainingArguments din Hugging Face centralizează toți parametrii de execuție ai procesului de antrenare. În Unsloth, câteva setări sunt esențiale pentru eficiență maximă:
from transformers import TrainingArguments
training_args = TrainingArguments(
output_dir="./rezultate_antrenare",
per_device_train_batch_size=2,
gradient_accumulation_steps=4,
learning_rate=2e-4,
lr_scheduler_type="cosine",
warmup_ratio=0.05,
max_steps=100, # Alternativ: num_train_epochs=3
logging_steps=10,
save_strategy="steps",
save_steps=50,
optim="adamw_8bit", # Optimizator compact
report_to="none", # Dezactivează trimiterea automată la servicii externe
)Această structură definește un flux stabil și controlat pe orice placă grafică modernă.
Întrebări & Exemple practice:
Configurarea Hiperparametrilor în TrainingArgumentsAi o întrebare despre Configurarea Hiperparametrilor în TrainingArguments sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.