데이터셋 구조

• 15만개의 train데이터와 5만개의 test데이터로 구성됐다.
• 다만 일부 데이터가 NaN인 경우가 있으며, 중복된 데이터도 존재한다.
• label이 0일 경우 부정, 1일 경우 긍정이고, document가 리뷰 텍스트다.

분류 결과

• 세개의 계정 모두 colob의 GPU 사용 제한이 넘어 끝까지 마무리하지 못함.
• midm 으로는 완벽한 결과를 출력하지 못했다.

과제 수행 결과

GPU 와 메모리 관리의 중요성

• 기존 학생 신분으로 대규모 데이터를 다뤄보지 않았었다.
• 그 결과 프로젝트를 진행하더라도 버려지고 낭비되는 메모리를 신경쓸 만큼의 경험을 하지 못했었다.
• 이번에 대규모 데이터셋을 수행하면서 여러번 GPU 메모리의 한계를 느꼈으며 작성한 코드와 메모리 이용량의 연관성을 더 공부해봐야겠다는 것을 느꼈다.

lora-midm-7b-nsmc-understanding

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

• learning_rate: 0.0001
• train_batch_size: 1
• eval_batch_size: 1
• seed: 42
• gradient_accumulation_steps: 2
• total_train_batch_size: 2
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: cosine
• lr_scheduler_warmup_ratio: 0.03
• training_steps: 300
• mixed_precision_training: Native AMP

Framework versions

• Transformers 4.35.2
• Pytorch 2.1.0+cu118
• Datasets 2.15.0
• Tokenizers 0.15.0