我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
- 準備資料集：AI說書 - 從0開始 - 162 | 準備Pretrain模型需要的資料
- 準備必備函數庫：AI說書 - 從0開始 - 163 | 準備Pretrain模型需要的函數庫
- Tokenizer 前言：AI說書 - 從0開始 - 164 | Tokenizer 前言
- 訓練自己的 Tokenizer：AI說書 - 從0開始 - 165 | 訓練自己的Tokenizer
- 保存訓練好的 Tokenizer：AI說書 - 從0開始 - 166 | 保存訓練好的 Tokenizer
- Tokenizer 使用方式：AI說書 - 從0開始 - 167 | Tokenizer 使用方式
- GPU 及 CUDA 確認：AI說書 - 從0開始 - 168 | GPU 資源確認
- 編輯模型的 Config 檔：AI說書 - 從0開始 - 169 | 編輯模型的 Config 檔
- 初始化模型：AI說書 - 從0開始 - 170 | 初始化模型
- 模型參數探索：AI說書 - 從0開始 - 171 | 模型參數探索
- 模型參數探索：AI說書 - 從0開始 - 172 | 模型參數探索
- 模型參數探索：AI說書 - 從0開始 - 173 | 模型參數探索
- 模型參數探索：AI說書 - 從0開始 - 174 | 模型參數探索
- Data Collator 建立：AI說書 - 從0開始 - 175 | Data Collator 建立
- 初始化 Trainer：AI說書 - 從0開始 - 176 | 初始化 Trainer
- 模型訓練：AI說書 - 從0開始 - 177 | 訓練模型
既然模型訓練好了，自然需要執行保存的動作：
trainer.save_model("./KantaiBERT")
結果為：
當中和模型相關的檔案是：
- config.json
- pytorch_model.bin
- training_args.bin
而和 Pretrained Tokenization 相關的檔案是 (詳見 AI說書 - 從0開始 - 166 | 保存訓練好的 Tokenizer)：
- merges.txt
- vocab.json
