AI說書 - 從0開始 - 178 | 保存訓練好的模型

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。

整理目前手上有的素材：

• 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