WEBVTT 00:00.800 --> 00:02.540 本題に入ろう。 00:02.690 --> 00:12.260 そこで、 何が起こっているかをすべて見ることができ、 データに深く入り込むことができるのが、 Weights and Biasesと呼ばれる美しいプラットフォームだ。 00:12.380 --> 00:17.330 とにかく個人使用なら完全に無料だし、 超優秀だ。 00:17.360 --> 00:20.180 ここに行けばいい 00:20.210 --> 00:22.340 あの......ワンドブはウェイトとバイアスです。 00:22.580 --> 00:25.400 登録するには、 無料アカウントを作成してください。 00:25.400 --> 00:27.080 希望しないなら、 その必要はない。 00:27.110 --> 00:29.450 これは完全にオプションである。 00:29.480 --> 00:32.660 これにより、 走りながらトレーニングを視覚化することができる。 00:32.660 --> 00:36.680 とても満足できるので、 強くお勧めする。 00:36.740 --> 00:41.810 ええと、 くねくねした線がたくさん見えないと、 僕の中ではトレーニングをする意味がないんだ。 00:41.810 --> 00:44.930 信じてほしいのは、 私たちはたくさんのくねくねしたラインを持っているということだ。 00:44.930 --> 00:52.790 今日だけでなく、 あと2週間もすれば、 たくさんのチャートが表示されるでしょう。 ウェイトとバイアスにアクセスして、 00:52.790 --> 00:57.950 無料アカウントにサインアップするか、 すでにお持ちかもしれませんが、 00:57.950 --> 01:09.750 アバター・メニューの設定メニューから、 OpenAIなどで使っているAPIキーとよく似たAPIキーを作成できます。 01:10.050 --> 01:15.870 そしてOpenAIのダッシュボードに行き、 ノートブックのここにリンクを貼っておきます。 01:15.900 --> 01:25.590 そのページを開くと、 ページの真ん中あたりに統合という項目があり、 ウェイトとバイアスのキーを入力する欄がある。 01:25.590 --> 01:36.600 そうすれば、 あなたのOpenAIのアカウントが重みとバイアスに接続され、 重みとバイアスで起こっている微調整のプロセスを見ることができます。 01:36.630 --> 01:38.520 それは素晴らしいことだ。 01:38.520 --> 01:41.670 だから強く勧めるが、 必須ではない。 01:41.700 --> 01:48.660 それができたと仮定して、 重みとバイアスの統合を設定するこの行を実行したい。 01:48.900 --> 01:50.280 それに名前をつけることもできる。 01:50.280 --> 01:53.520 私はこのプロジェクトの名前を一般的に呼んでいる。 01:53.520 --> 01:55.410 全体的に、 このプロジェクトはたくさんやることになるだろう。 01:55.410 --> 02:00.360 私はプライサーと呼んでいるが、 今回はGPTプライサーと呼ぶことにする。 02:00.390 --> 02:06.720 GPTは商品の価格設定をするために微調整されたバージョンです。 02:06.750 --> 02:08.640 だから、 それを実行するんだ。 02:08.880 --> 02:11.790 今、 セッティングをしているところだ。 02:11.820 --> 02:13.920 しかし、 これだ。 02:13.920 --> 02:15.450 この人々だ。 02:15.450 --> 02:18.780 実際に微調整を行うのはこの時期だ。 02:18.810 --> 02:29.430 私たちは新しいOpenAI APIを呼び出します。 これは、 OpenAIのファインチューニング・ドットジョブ・ドットが作成する大きな大きなものです。 02:29.700 --> 02:31.140 そして、 私たちが通過するもの。 02:31.140 --> 02:36.390 だから、 ファイルをアップロードして戻ってきたのがこれなんだ。 02:36.390 --> 02:37.560 IDがある。 02:37.560 --> 02:43.500 ファイルを識別するIDがあることをお見せしよう。 02:45.690 --> 02:47.100 これがファイル名だ。 02:47.100 --> 02:50.040 OpenAIに関しては、 私たちはもっとシンプルな名前を考えていた。 02:50.040 --> 02:52.140 これがファイル・オブジェクト全体だ。 02:52.170 --> 02:53.940 少し前に見たのを覚えているだろう。 02:53.970 --> 02:57.390 これがファイルIDで、 これがその詳細のすべてだ。 02:57.570 --> 02:59.520 これがIDだ。 02:59.520 --> 03:02.760 そこで、 トレーニングファイルのIDを提供する。 03:02.760 --> 03:05.370 また、 検証ファイルのIDも提供する。 03:05.400 --> 03:13.010 今回のケースでも厳密には必要ないが、 良い練習方法であり、 将来的に微調整を行う際には必ず行うことになるだろう。 03:13.040 --> 03:13.820 おそらくね。 03:13.940 --> 03:15.500 我々はモデルを提供する。 03:15.530 --> 03:21.140 今、 私は多くの人にGPTを勧めているが、 その理由のひとつは推論で実行した方が安くなるからだ。 03:21.140 --> 03:23.780 せいぜい2、 3セントだろう。 03:23.900 --> 03:31.820 それと、 以前、 オリジナルモデルを走らせたときのことを思い出してほしいんだが、 GPTは大柄な選手用とミニ用でかなり似たようなパフォーマンスで、 03:31.820 --> 03:36.650 両者に大きな差はなかったんだ。 03:36.650 --> 03:41.300 だから、 小さいほうを微調整したほうがよさそうだ。 03:41.390 --> 03:44.180 種があるということは、 再現性があるということだ。 03:44.510 --> 03:46.070 ええと、 エポック数。 03:46.070 --> 03:47.090 だからこれはオプションだ。 03:47.090 --> 03:54.020 エポック数を指定する必要はない。 03:54.050 --> 03:55.910 自分で決めさせればいい。 03:55.910 --> 04:02.480 通常推奨されているよりも500データポイント多い、 かなりの量のデータを提供しているので、 04:02.480 --> 04:04.340 1つに修正したい。 04:04.490 --> 04:08.230 それで、 複数のエポックをやる意味がないと思ったんだ。 04:08.230 --> 04:15.320 もっとやりたいと思ったら、 何度もエポックするのではなく、 たくさん持っているトレーニングデータの量を増やせばいいのだ。 04:15.440 --> 04:18.890 ここで重みとバイアスの統合を指定する。 04:18.890 --> 04:23.120 ウェイトやバイアスを使いたくない場合は、 この行を完全に削除することだけは避けてください。 04:23.540 --> 04:31.280 それから、 サフィックスはオプションで、 作成するモデルの名前に含めるだけです。 04:31.430 --> 04:35.300 ただ、 モデルにちゃんとした名前をつけたいなら、 できることだ。 04:35.540 --> 04:37.940 ええと、 それだけなんだ。 04:37.940 --> 04:42.200 ハイパーパラメーターという言葉に出会ったことがないかどうかだけ書いておこう。 04:42.230 --> 04:49.970 ハイパーパラメーターとは、 データサイエンティストたちが、 トレーニングがどのように機能するかをコントロールするための余分なノブやホイール、 04:49.970 --> 04:55.790 設定のことだ。 04:55.820 --> 04:59.600 追加で設定できるパラメータがあれば、 何でもいい。 04:59.630 --> 05:02.870 いろいろな可能性を試してみて、 状況が良くなるか悪くなるかを確認する。 05:02.870 --> 05:11.250 異なる値を試してみて、 それが良くなるか悪くなるかを見るこのプロセスは、 ハイパーパラメーターの最適化として知られている。 05:11.580 --> 05:13.680 ハイパーパラメーターのチューニングも。 05:13.980 --> 05:19.290 これはすべて、 試行錯誤を意味する非常に洒落た言葉だ。 05:19.290 --> 05:21.030 これが設定だと言っているんだ。 05:21.030 --> 05:23.640 それが良くなるのか悪くなるのか、 僕らにはわからない。 05:23.640 --> 05:27.180 これには何の理論もない。 05:27.180 --> 05:30.630 だから、 いろいろな可能性を試して、 何が起こるか見てみよう。 05:30.780 --> 05:32.460 しかし、 誰もそんなことは言いたがらない。 05:32.460 --> 05:37.260 だからみんなハイパーパラメーター最適化と言うんだ。 05:37.500 --> 05:39.750 だから、 そう呼ぶことにする。 05:39.840 --> 05:42.720 そのためにハイパーパラメーターを渡す。 05:42.720 --> 05:48.420 また、 ハイパーパラメーターの最適化を行い、 さまざまなエポックを試したいのであれば、 05:48.450 --> 05:50.250 そうすべきだろう。 05:50.250 --> 05:52.740 とにかく、 私は十分に話した。 05:52.740 --> 06:00.120 私たちはこの男を走らせ、 それが走ることを気に入り、 戻ってくるのは微調整の仕事だ。 06:00.420 --> 06:04.770 作成されたとき、 エラーはなかったと書いてある。 06:04.800 --> 06:05.760 まだだ。 06:05.940 --> 06:08.610 ええと、 誰もいないところで終わっている。 06:08.850 --> 06:12.750 ハイパーパラメータとエポック数です。 06:13.090 --> 06:14.740 それがモデルだ。 06:14.950 --> 06:19.390 それから、 私たちが持ち込んだファイル。 06:20.050 --> 06:26.050 ええと、 では、 ここに今あるすべての仕事をリストアップします。 06:26.050 --> 06:28.390 そして、 一番新しいものから始まる。 06:28.390 --> 06:40.600 このジョブを実行すると、 このジョブがこのジョブと一致することが確認できます。 06:40.600 --> 06:47.950 同じ仕事について話しているわけだが、 何が起こっているのか、 このどこかでわかるだろう? 06:48.850 --> 06:53.380 ええと、 実は、 まず、 このジョブIDを覚えておく必要がないようにしましょう。 06:53.380 --> 06:56.050 ジョブIDを変数にしてみよう。 06:56.380 --> 06:58.420 ただ、 それが私たちの期待するものであることを確認してほしい。 06:58.420 --> 07:03.940 この仕事をプリントすれば、 IDはあそことあそこが一致する。 07:03.940 --> 07:09.280 これは現在のランの名前であり、 それを参照するために使用するジョブIDである。 07:09.280 --> 07:16.300 このリトリーブを呼び出して、 何が起こっているのか情報を得ることができる。 07:16.750 --> 07:19.570 ここから何が学べるか考えてみよう。 07:20.200 --> 07:25.240 ええと、 ここのどこかに "実行中 "と書いてあるはずだ。 07:27.040 --> 07:31.960 ええと、 でもとにかく、 何が起こっているのかが本当にわかる最も重要なことは、 07:31.960 --> 07:39.370 この次の行にある、 ジョブIDに渡されるイベントのリストです。 07:39.370 --> 07:42.880 そして、 今これを実行すれば、 本当にビジネスが見えてくる。 07:42.880 --> 07:44.680 まだ2回しか開催されていない。 07:44.890 --> 07:49.600 ええと、 そして、 一番新しいイベントが一番上に来るように順番にリストアップされているんだ。 07:49.600 --> 07:57.520 つまり、 ジョブの微調整とトレーニングファイルの検証という2つのイベントが発生した。 07:58.660 --> 08:04.840 そして次に起こるのは、 時間をかけてファイルを検証することだ。 08:04.840 --> 08:06.730 そしてトレーニングを開始するんだ。 08:06.730 --> 08:08.230 そこからが面白くなる。 08:08.260 --> 08:12.970 そして、 そのポイントに到達するまでに2、 3分かかりそうなので、 次のビデオのために休憩する。 08:12.970 --> 08:14.620 次のビデオでは、 それを見てみよう。 08:14.650 --> 08:16.180 トレーニングの実際 08:16.180 --> 08:17.770 向こうで会おう。