facebookresearch/fairseq

Finetune without resetting learning rate

Open

#5.250 geöffnet am 10. Juli 2023

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (6.224 Forks)batch import
enhancementhelp wantedneeds triage

Repository-Metriken

Stars
 (29.107 Stars)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Finetune-from-model rests learning rate, is there a way to finetune without resetting it?

Contributor Guide

Research-Richtung
Untersuche den Befehl finetune from model in fairseq, um zu verstehen, wie die Lernrate zurückgesetzt wird. Erwäge das Hinzufügen eines Kommandozeilen Flags (z. B. preserve lr), um die ursprüngliche Lernrate aus dem Checkpoint beizubehalten. Sieh dir die Trainingsschleife in fairseq/trainer.py und relevante Konfigurationen in fairseq/optim/ an, um die Option zu implementieren.
Tech Stack
pythonpytorch
Domain
backendmachine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
fairseq basicslearning rate scheduling
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
60