Feinabstimmung GPT-4O Mini: Eine Schritt-für-Schritt-Anleitung

Dieses Tutorial zeigt die Feinabstimmung des kostengünstigen GPT-4O-Mini-Großsprachenmodells zur Stresserkennung im Social-Media-Text. Wir nutzen die OpenAI-API und den Spielplatz sowohl für Feinabstimmungen als auch für die Bewertung und vergleichen die Leistung vor und nach dem Prozess.

Einführung von GPT-4O mini:

gpt-4o mini sticht als hoch erschwingliche allgemeine LLM aus. Mit einer Punktzahl von 82% auf dem MMLU-Benchmark und dem übertroffenen Claude 3.5-Sonett in Chat-Präferenzen (LMSYS-Rangliste) bietet es erhebliche Kosteneinsparungen (60% billiger als GPT-3,5-Turbo) bei 15 Cent pro Million Eingangs-Token und 60 Cent pro Million Produktionstoken. Es akzeptiert Text- und Bildeingänge, verfügt über ein 128-K-Token-Kontextfenster, unterstützt bis zu 16K-Ausgangs-Token und der Kenntnisstand von Kenntnissen im Oktober 2023. Die Kompatibilität mit nicht englischer Text dank des GPT-4O-Tokenizers fügt seine Vielseitigkeit hinzu. Erforschen Sie unseren Blog-Beitrag für einen tieferen Eintauchen in GPT-4O Mini: "Was ist GPT-4O Mini?"

Einrichten der OpenAI -API:

1. Erstellen Sie ein OpenAI -Konto. Feinabstimmung verursacht Kosten. Stellen Sie daher vor dem Verfahren ein Guthaben von mindestens 10 USD sicher.
2. generieren Sie eine OpenAI -API -Geheimschlüssel aus der Registerkarte "API -Tasten" Ihres Dashboards.
3. Konfigurieren Sie Ihre API -Taste als Umgebungsvariable (DataLab von DataCamp wird in diesem Beispiel verwendet).
4. Installieren Sie das OpenAI -Python -Paket: %pip install openai
5. Erstellen Sie einen OpenAI -Client und testen Sie ihn mit einer Beispielaufforderung.

Neu in der OpenAI -API? Unser "GPT-4O-API-Tutorial: Erste Schritte mit Openai's API" bietet eine umfassende Einführung.

Feinabstimmung GPT-4O Mini zur Spannungserkennung:

Wir werden GPT-4O-Mini mit einem Kaggle-Datensatz aus Reddit- und Twitter-Posts, die als "Stress" oder "Nicht-Stress" bezeichnet werden

1. Datensatzerstellung:

Laden und verarbeiten Sie den Datensatz (z. B. die besten 200 Zeilen eines Reddit -Post -Datensatzes).
behalten Sie nur die Spalten "Titel" und "Label".
MAP Numerische Beschriftungen (0, 1) zu "nicht stressfrei" und "Stress".
in Trainings- und Validierungssätze aufgeteilt (80/20 Split).
Speichern Sie beide Sätze im JSONL -Format und stellen Sie sicher, dass jeder Eintrag eine Systemaufforderung, Benutzerabfrage (Post -Titel) und die Antwort "Assistant" (Label) enthält.

2. Datensatz -Upload:

Verwenden Sie den OpenAI -Client, um die JSONL -Dateien für Schulungen und Validierung hochzuladen.

3. Feinabstimmung initiierung:

Erstellen Sie einen Feinabstimmungsjob, in dem die Datei-IDs, der Modellname (gpt-4o-mini-2024-07-18) und die Hyperparameter (z. B. 3 Epochen, Stapelgröße 3, Lernrate Multiplikator 0,3) angegeben werden. Überwachen Sie den Status des Jobs über das Dashboard oder die API.

Zugriff auf das fein abgestimmte Modell:

Rufen Sie den fein abgestimmten Modellnamen von der API ab und generieren Sie sie über die API oder den OpenAI-Spielplatz.

Modellbewertung:

Vergleichen Sie die Basis- und Feinabstimmungsmodelle mithilfe von Genauigkeit, Klassifizierungsberichten und Verwirrungsmatrizen im Validierungssatz. Eine benutzerdefinierte predict -Funktion erzeugt Vorhersagen, und eine evaluate -Funktion liefert die Leistungsmetriken.

Schlussfolgerung:

Dieses Tutorial bietet einen praktischen Leitfaden für die Feinabstimmung GPT-4O-Mini, wobei die Effektivität bei der Verbesserung der Genauigkeit der Textklassifizierung vorliegt. Denken Sie daran, die verknüpften Ressourcen für weitere Details und alternative Ansätze zu untersuchen. Für eine kostenlose Open-Source-Alternative sollten Sie unser Tutorial "Fine-Tuning Lama 3.2 verwenden".

Das obige ist der detaillierte Inhalt vonFeinabstimmung GPT-4O Mini: Eine Schritt-für-Schritt-Anleitung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!