Unsloth

Unsloth은 대규모 언어 모델의 학습 속도를 높이고 메모리 사용량을 줄이는 파인튜닝 및 강화 학습 프레임워크입니다. 커스텀 RoPE와 Triton 커널을 지원하여 4-bit, 8-bit, 16-bit 정밀도로 학습할 수 있습니다. Unsloth는 Llama, Mistral, Gemma, Qwen 및 기타 모델 계열과 함께 사용할 수 있습니다.

from datasets import load_dataset
from transformers import TrainingArguments
from unsloth import FastLanguageModel
from unsloth.trainer import UnslothTrainer

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="unsloth/Llama-3.2-1B-Instruct",
    max_seq_length=2048,
    load_in_4bit=True,
)

model = FastLanguageModel.get_peft_model(
    model,
    r=16,
    lora_alpha=16,
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
)

dataset = load_dataset("trl-lib/Capybara", split="train[:500]")
dataset = dataset.map(lambda x: {"text": x["conversations"][0]["value"]})

trainer = UnslothTrainer(
    model=model,
    tokenizer=tokenizer,
    train_dataset=dataset,
    dataset_text_field="text",
    max_seq_length=2048,
    args=TrainingArguments(
        output_dir="outputs",
        per_device_train_batch_size=2,
        num_train_epochs=1,
    ),
)

trainer.train()

Transformers 통합

Unsloth은 Transformers API를 래핑하고 내부 메서드를 패치하여 속도를 높입니다.

FastLanguageModel.from_pretrained는 AutoConfig.from_pretrained()로 config를 로드합니다. 이후 AutoModelForCausalLM.from_pretrained()로 base model을 로드합니다. 로드하기 전에 Unsloth는 Transformers 모델 내부의 attention, decoder layer, rotary embedding 클래스를 패치합니다.
UnslothTrainer는 TRL의 SFTTrainer를 확장합니다. Unsloth는 이전 버전의 Transformers에서 그라디언트 축적을 수정하기 위해 compute_loss()와 training_step()를 패치합니다.

리소스

Unsloth 문서
Unsloth와 TRL로 LLM Fine-tuning을 2배 빠르게 블로그 게시물

Update on GitHub