Cohere fine-tuning

Cohere モデルをファインチューンする方法（W&B を使用）。

Weights & Biases を使用すると、Cohere モデルのファインチューニングメトリクスや設定をログに記録し、モデルのパフォーマンスを分析・理解し、その結果を同僚と共有することができます。

この Cohere のガイド では、ファインチューニング run を開始する方法の完全な例が示されています。また、Cohere API ドキュメントはこちら で確認できます。

Cohere ファインチューニング結果のログ

Cohere のファインチューニングログを W&B ワークスペースに追加するには:

1. W&B APIキー、W&B entity と project 名を用いて WandbConfig を作成します。W&B APIキーは https://wandb.ai/authorize で取得できます。

2. この設定を FinetunedModel オブジェクトとともに、モデル名、データセット、ハイパーパラメーターとともに渡して、ファインチューニング run を開始します。

   from cohere.finetuning import WandbConfig, FinetunedModel
   
   # W&B の詳細で設定を作成します
   wandb_ft_config = WandbConfig(
       api_key="<wandb_api_key>",
       entity="my-entity", # 提供された API キーに関連した有効な entity である必要があります
       project="cohere-ft",
   )
   
   ...  # データセットとハイパーパラメーターを設定します
   
   # cohere でファインチューニング run を開始します
   cmd_r_finetune = co.finetuning.create_finetuned_model(
     request=FinetunedModel(
       name="command-r-ft",
       settings=Settings(
         base_model=...
         dataset_id=...
         hyperparameters=...
         wandb=wandb_ft_config  # ここに W&B の設定を渡します
       ),
     ),
   )
   

3. 作成した W&B プロジェクトで、モデルのファインチューニングトレーニングと検証のメトリクスやハイパーパラメーターを確認します。

   

Runsの整理

W&B の runs は自動的に整理され、ジョブタイプ、ベースモデル、学習率、その他のハイパーパラメータなど、任意の設定パラメータに基づいてフィルタリングやソートが可能です。

さらに、runs の名前を変更したり、メモを追加したり、タグを作成してグループ化したりすることができます。

リソース

• Cohere Fine-tuning Example