Как ускорить ML-эксперименты и работу с моделями

Часто проведение ML-экспериментов сводится к скрупулезному поиску и загрузке нужных датасетов и моделей, настройке гиперпараметров с целью проверки гипотез. Но что делать, когда времени мало, а за ночь нужно зафайнтюнить ламу? Давайте это и узнаем.

Типичная ML-задача: когда нужны ML-эксперименты

Любая ML-задача может быть описана с помощью схемы CRISP-ML, которая объединяет три крупных этапа.

• Понимание данных. Вам нужно разобраться в том, с какими данными вы работаете, какие в них есть недостатки, нужно ли (и можно ли) их «обогатить». А после — собрать датасет.
• Построение модели. Набор данных готов, есть задача — вы начинаете ее решать: проверять гипотезы по различным классам моделей, гиперпараметрам, а также разнообразным «эвристикам», которые можно применить при построении модели.
• Доведение модели до потребителя. Все гипотезы отработаны, модели проверены, вы нашли устраивающий вас вариант. Далее нужно довести модель до конечного потребителя — сделать нечто, что временами называют «продуктивизацией модели».

На каждом из этапов вы можете столкнуться в ворохом процессных и технических аспектов, которые могут как ускорить, так и замедлить выполнение ML-экспериментов. Что это за аспекты и с чем их едят — разберемся на примере LLM.

Тюнинг ламы на тикетах

Модель берем с платформы Hugging Face, а предварительно подготовленный датасет с тикетами — из ClearML. Далее в Jupyter пишем прототип (код эксперимента) и после отладки — запускаем его в ClearML. Поскольку гиперпараметры были предварительно закреплены за кодом с помощью ClearML SDK, мы можем удобно с ними экспериментировать — изменять количество эпох, learning rate или batch size и сравнивать результаты.

На выходе мы получаем несколько версий дообученной LLama 2 и лучшую отправляем в KServe — serving engine (виртуальную среду, в которой модель будет сервиться). Готово!

Кажется, что все просто, но на практике могут возникнуть проблемы. Рассмотрим каждый этап эксперимента подробнее.

Работа с датасетами

Проблема в работе с данными нередко заключается в том, что вы не знаете:

• общих фактов по датасету — например, автора или объема данных;
• базовых статистик по признакам, целевой переменной и другим метрикам;
• какие трансформации были проведены с датасетом;
• как работать с датасетом — как при помощи сущности, описывающей датасет, выгрузить данные с внешнего источника (например, с S3 или SFS) и перевести их в нужный формат для работы с PyTorch, TensorFlow или  Transformers;
• откуда появился датасет — например, из каких данных был собран, где и кем использовался,
• как менялся датасет.

Все это вносит неопределенность при работе с данными: может элементарно отсутствовать понимание, какие параметры действительно важны, а какие нет. На подобные разбирательства, как правило, времени уходит много.

Как ускорить работу с датасетами

Рассмотрим в качестве примеров два сервиса, с помощью которых можно ускорить работу с датасетами.

Пример 1: Hugging Face

Разработчики Hugging Face позаботились о том, чтобы авторы могли указывать при загрузке данных всю необходимую информацию.

В результате любой пользователь может изучить библиотеку датасетов, найти необходимый тип данных для своей задачи, предварительно оценить его по объему. Кроме того, в Hugging Face есть понятные примеры с кодом — бери и используй — и версионирование. Последнее напоминает GitHub: вы можете открыть один из старых коммитов и склонировать именно его.

Мы уже писали статью о том, как автоматизировать сбор, анализ и сравнение датасетов из Hugging Face. Переходите по ссылке на другой материал Академии Selectel, чтобы узнать подробности.

Пример 2: ClearML

ClearML также существенно упрощает работу с датасетами и сводит ее к графическому интерфейсу. Например, внутри отдельной вкладки с датасетами вы можете группировать их по папкам:

Работа с датасетами в ClearML

Документация

Как и в Hugging Face, пользователь ClearML отображает метаинформацию о датасетах, позволяет настроить разделение данных по типу, задаче и любой другой категории. А также — изучить базовую информацию о составе загруженных датасетов.

Любой датасет в ClearML (как впрочем и любой эксперимент или пайплайн создается, изменяется и используется в рамках «задачи» определенного типа (за подробностями рекомендую покопаться в коде). То есть вся функциональность по работе с экспериментами доступна и для датасетов.

Рассмотрим пример. Вы загрузили в ClearML датасет, подчистили его с помощью регулярных выражений и передали коллеге. Он загружает данные и видит статистики по трансформациям: какие выражения к каким записям были применены и т. д. Результат: человек «понимает датасет», у него есть необходимая информация для работы с ним, а вы сэкономили время обеих сторон.

Пример 3: кэширование данных

Эта фича уже имплементирована в ML-платформу Selectel. Вы можете кэшировать датасеты и веса, чтобы сократить время на подгрузке данных. Вся инфраструктура уже настроена за вас.

Аспекты ускорения

Примеры рассмотрели — какой можно сделать вывод? Вернемся к техническим и процессным аспектам: зарезюмируем, какие в работе с датасетами через ClearML с кэшированием данных.

Технические аспекты

• Все собрано в одной унифицированной платформе.
• Можно повторно использовать код для создания новых версий датасета.
• Не нужно каждый раз тратить время на загрузку данных, все подгружается из кэша.

Процессные аспекты

• Описания датасетов приведены к единому формату.
• Данные сопровождаются подробными инструкциями.

Работа с моделями

Проблема в работе с моделями напоминает ситуацию с датасетами. Нередко вы не знаете:

• кто, где, когда учил или валидировал модель;
• класс модели — например, какой структурой она является: нейросетью, деревом или лесом;
• какие данные нужно подавать на вход, что получается на выходе;
• из чего модель состоит — например, сколько у нее слоев или функций активации;
• как работать с моделью — как при помощи сущности, описывающей модель, выгрузить данные с внешнего источника (например, с S3 или SFS) и перевести их в нужный формат для работы с PyTorch, TensorFlow или Transformers;
• полный набор гиперпараметров модели;
• отличия модели от предшественников.

Как ускорить работу с моделями

Рассмотрим в качестве примеров два сервиса, с помощью которых можно ускорить работу с моделями.

Пример 1: Hugging Face

Как в случае с датасетами, модели в Hugging Face разделены по задачам и типам данных, у них есть описания и авторы. Точно так же можно посмотреть, как менялась модель, изучить детали по работе с ней.

Пример 2: Jupyter и ClearML

Поскольку нам нужно не только хранить информацию о моделях, но и дообучать их, необходима «рабочая станция» с помощью которой мы подгрузим веса и начнем с ними работать. Приемлемый вариант — использовать связку Jupyter и ClearML. Она уже имплементирована в нашу ML-платформу.

Пользователю не нужно настраивать среду разработки и работу с GPU, все уже готово. Вся информация об экспериментах собрана в ClearML. Можно посмотреть автора модели, сохранять логи и другие данные по экспериментам.

Кроме того, все параметры модели можно легко переносить из Jupyter в ClearML, а после — использовать для проверок гипотез: варьировать значения и смотреть на результаты.

После дообучения ClearML автоматически выведет информацию по утилизации ресурсов GPU и процессу обучения (последнее приходится логировать в Tensorboard-логи, но на этом все — ClearML сам подтягивает данные в свою панель):

Аспекты ускорения

Технические аспекты

→ Не нужно тратить время на воссоздание рабочего окружения.

→ Код можно повторно использовать для дообучения модели.

Процессные аспекты

→ Информация по экспериментам организована и сведена в одну точку.

Деплой модели

Датасет загрузили, проверили гипотезы и дообучили модель — осталось довести ее до конечного пользователя. То есть поднять некий сервис, через который наши друзья, коллеги и простые незнакомцы смогут общаться с моделью.

Проблемы:

• писать веб-обвязку для модели может быть затруднительно,
• нужно настроить логирование,
• модели должны масштабироваться под нагрузкой и обновляться до актуальных версий.

Как ускорить деплой 

Для начала посмотрим, какими средствами можно упростить и ускорить деплой в Hugging Face.

Пример 1: Hugging Face

Прямо внутри платформы вы можете создать свой спейс, набросать пользовательский интерфейс и расшарить к нему доступ. Так пользователи смогут общаться с инференс-инстансом вашей модели.

Эта фича доступна для всех пользователей Hugging Face — посмотреть готовые варианты можно по ссылке.

У Hugging Face есть также сервис Inference Endpoints, но он платный.

Пример 2: KServe

Альтернативный вариант, который мы используем в ML-платформе Selectel, — KServe. Необходимо опубликовать новую версию инференс-сервиса, закинув в KServe идентификатор дообученной модели, и пользователи смогут отправлять по ссылкам запросы, а модель — отвечать на них. Если быть технически более точным, то:

• идентификатор модели достается из ClearML-эксперимента и кладется в кастомный инференс-скрипт,
• кастомный инференс-скрипт запекается в Docker-образ,
• полное имя Docker-образа указывается в манифесте инференс-сервиса KServe,
• манифест инференс-сервиса публикуется в KServe.

Поскольку Dockerfile, манифест инференс-сервиса и сам кастомный инференс-скрипт почти что всегда остаются без изменений, на их повторном использовании можно сэкономить много времени.

Так пользователь может, например, отправить запрос модели с промтом в качестве POST-параметра. А инференс-инстанс ответит текстом или ссылкой на изображение (зависит от модели, которую вы используете). Есть разные протоколы, в соответствии с которыми формируются тела запросов, ссылки и другие «сущности». Более подробно можно прочитать в документации KServe.

Аспекты ускорения

Технические аспекты

→ Пишем только логику обработки входных-выходных данных.

→ Веб-обвязку, логирование и масштабирование забирает на себя KServe.

Процессные аспекты

→ Создание нового инференса свелось к замене идентификатора на новую модель.

Как организовывать эксперименты без навыков MLOps

Мы рассмотрели проведение ML-экспериментов от подготовки данных до деплоя инференс-инстансов. И выяснили, что ускорение экспериментов можно свести к трем пунктам.

• Введение ряда подробно описанных соглашений. Когда не только вы, но и ваши коллеги знают, как устроены датасеты и модели внутри эксперимента, какие гиперпараметры и параметры влияют на результат, проверка гипотез значительно ускоряется. Поэтому важно вводить соглашения, унифицировать типы данных и описания датасетов с моделями.
• Повторное использование рабочих окружений и кода для подготовки данных и обучения моделей. Если вы единожды написали скрипт, который можно многократно переиспользовать для новых ML-экспериментов, меняя только параметры, вы сэкономили время. Принцип DRY работает не только в классической разработке.
• Использование инструментов, с помощью которых можно абстрагироваться от мелких технических деталей. Конфигурирование инструментов вроде Nvidia-драйверов, CUDA Toolkit и рабочих окружений часто занимает много времени. Ситуация усложняется, когда нужно настроить шеринг ресурсов GPU, чтобы сразу несколько специалистов могли работать на одной машине. Если все сконфигурировано за вас — профит, вы сэкономили много времени.

С последним мы можем помочь. В сентябре вышла из беты ML-платформа Selectel — облачное решение с преднастроенными аппаратными и программными компонентами для обучения и развертывания ML-моделей.

Мы разворачиваем платформу индивидуально для каждого клиента и можем включить в сборку такие open source-инструменты, как ClearML или Kubeflow. В общем, все для того, чтобы вы смогли организовать полный цикл обучения и тестирования ML-моделей.