미세 조정 GPT-4O 미니 : 단계별 안내서

이 튜토리얼은 소셜 미디어 텍스트에서 스트레스 탐지를위한 비용 효율적인 GPT-4O 미니 대형 언어 모델을 미세 조정하는 것을 보여줍니다. 우리는 프로세스 전후의 성능을 비교하여 미세 조정 및 평가를 위해 Openai API 및 Playground를 활용합니다.

소개 gpt-4o mini : gpt-4o mini는 매우 저렴한 일반 목적 LLM으로 두드러집니다. MMLU 벤치 마크에서 82%의 점수를 자랑하고 Chat 선호도 (LMSYS 리더 보드)에서 Claude 3.5 Sonnet을 능가하는이 제품은 백만 입력 토큰과 백만 개의 출력 토큰을 15 센트로 15 센트로 상당한 비용 절감 (GPT-3.5 터보보다 60% 저렴한)을 제공합니다. 텍스트 및 이미지 입력을 허용하고 128K 토큰 컨텍스트 창을 특징으로하며 최대 16K 출력 토큰을 지원하며 지식 컷오프는 2023 년 10 월입니다. GPT-4O 토큰 화기 덕분에 영어 이외의 텍스트와의 호환성은 다양성을 추가합니다. GPT-4O 미니에 더 깊이 다이빙하려면 블로그 게시물을 탐색하십시오. "GPT-4O Mini는 무엇입니까?" OpenAi API 설정 :

OpenAI 계정을 만듭니다. 미세 조정은 비용이 발생하므로 진행하기 전에 최소 $ 10 USD 크레딧을 확인하십시오. 대시 보드의 "API 키"탭에서 OpenAI API 비밀 키를 생성합니다. API 키를 환경 변수로 구성합니다 (이 예에서는 DataCamp의 Datalab이 사용됩니다). Openai Python 패키지를 설치하십시오 : OpenAi 클라이언트를 만들고 샘플 프롬프트로 테스트하십시오.

OpenAi API에 새로운? "GPT-4O API 자습서 : OpenAi의 API를 시작하기"는 포괄적 인 소개를 제공합니다. 응력 감지를위한 미세 조정 GPT-4O 미니 :

우리는 "스트레스"또는 "비 스트레스"로 표시된 Kaggle 데이터 세트 및 트위터 게시물을 사용하여 GPT-4O 미니를 미세 조정합니다. 1. 데이터 세트 생성 :

데이터 세트를로드하고 처리합니다 (예 : Reddit Post 데이터 세트의 상위 200 행). '제목'및 '레이블'열만 유지하십시오 맵 숫자 레이블 (0, 1)에 "비 스트레스"및 "응력" 훈련 및 검증 세트로 분할 (80/20 Split) 두 세트를 JSONL 형식으로 저장하고 각 항목에 시스템 프롬프트, 사용자 쿼리 (게시물 제목) 및 "Assistant"응답 (레이블)이 포함되도록합니다.

2. 데이터 세트 업로드 : OpenAI 클라이언트를 사용하여 교육 및 유효성 검사를 업로드합니다. 3. 미세 조정 작업 개시 :

파일 ID, Model Name () 및 하이퍼 파라미터 (예 : 3 개의 epochs, 배치 크기 3, 학습 속도 승수 0.3)를 지정하는 미세 조정 작업을 만듭니다. 대시 보드 또는 API를 통해 작업 상태를 모니터링하십시오

미세 조정 모델 액세스 : gpt-4o-mini-2024-07-18 API에서 미세 조정 된 모델 이름을 검색하여 API 또는 Openai Playground를 통해 예측을 생성하는 데 사용하십시오.

모델 평가 : 검증 세트에서 정확도, 분류 보고서 및 혼동 행렬을 사용하여 기본 및 미세 조정 된 모델을 비교하십시오. 사용자 정의 함수는 예측을 생성하고 함수는 성능 메트릭을 제공합니다. 결론 :

이 튜토리얼은 텍스트 분류 정확도를 향상시키는 데있어 효과를 보여주는 GPT-4O Mini를 미세 조정하는 실용적인 가이드를 제공합니다. 자세한 내용과 대안 접근 방식을 위해 링크 된 리소스를 탐색해야합니다. 무료 오픈 소스 대안의 경우 "미세 조정 라마 3.2를 고려하여 로컬로 사용하십시오"튜토리얼.

위 내용은 미세 조정 GPT-4O 미니 : 단계별 안내서의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!