如何基于transformers库通过训练Qwen/DeepSeek模型的传统分类能力实现文本分类任务
文章目录
-
- 模型与环境准备
- 文档分析
- 源码解读
- 模型训练及推理方式
- 进阶：CPU与显存的切换
- 进阶：多卡数据并行训练
-
- 🔑 DDP 训练过程核心步骤
- 🚫 DDP 不适用于模型并行
- ⚖️ DDP vs. Model Parallelism
- ⚙️ 解决大模型训练的推荐方法
🎉进入大模型应用与实战专栏 | 🚀查看更多专栏内容
模型与环境准备
首先从huggingface上下载Qwen2或者Qwen2.5模型到本地，我这里选择的是0.5或是1.5b大小的模型。DeepSeek开源的其他模型都太大了，只有基于Qwen蒸馏得到的模型较小可以用来训练。所以虽然说的是Qwen/DeepSeek模型，本质上都是Qwen模型。
注意虽然这些模型都是生成式模型，但是由于它们都是基于transformer架构，所以本质上和Bert等模型一样，是可以训练它们用来做传统的文本分类的。
我们