facebookresearch/fairseq

Finetune without resetting learning rate

Open

#5 250 ouverte le 10 juil. 2023

Voir sur GitHub
 (0 commentaires) (0 réactions) (0 assignés)Python (6 224 forks)batch import
enhancementhelp wantedneeds triage

Métriques du dépôt

Stars
 (29 107 stars)
Métriques de merge PR
 (Aucune PR mergée en 30 j)

Description

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

Guide contributeur

Direction de recherche
Étudiez la commande finetune from model dans fairseq pour comprendre comment le taux d'apprentissage est réinitialisé. Envisagez d'ajouter un indicateur en ligne de commande (par exemple preserve lr) pour conserver le taux d'apprentissage d'origine du point de contrôle. Examinez la boucle d'entraînement dans fairseq/trainer.py et les configurations pertinentes dans fairseq/optim/ pour implémenter l'option.
Stack technique
pythonpytorch
Domaine
backendmachine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 heures
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Récente
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
fairseq basicslearning rate scheduling
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
60