Ajusta los modelos abiertos de Gemma con varias GPU en GKE

En este instructivo, se muestra cómo ajustar el modelo de lenguaje grande (LLM) Gemma, la familia de modelos abiertos, con unidades de procesamiento gráfico (GPU) en Google Kubernetes Engine (GKE) con la biblioteca Transformers de Hugging Face. El ajuste fino es un proceso de aprendizaje supervisado que mejora la capacidad de un modelo previamente entrenado para realizar tareas específicas mediante la actualización de sus parámetros con un conjunto de datos nuevo. En este instructivo, descargarás los modelos de la familia Gemma previamente entrenados con 2B parámetros de Hugging Face y los ajustarás en un clúster de GKE Autopilot o Standard.

Esta guía es un buen punto de partida si necesitas el control detallado, la escalabilidad, la resiliencia, la portabilidad y la rentabilidad de Kubernetes administrado cuando ajustas un LLM.

Práctica recomendada:

Prueba nuestra solución de Vertex AI si necesitas una plataforma de IA administrada unificada para compilar y entregar modelos de AA con rapidez de forma rentable.

Fondo

La entrega de Gemma mediante GPU en GKE con la biblioteca Transformers permite implementar una solución de entrega de inferencia sólida y lista para producción con todos los beneficios de administrarKubernetes, incluida la escalabilidad eficiente y la mayor disponibilidad. En esta sección, se describen las tecnologías clave que se usan en este instructivo.

Gemma

Gemma es un conjunto de modelos de Inteligencia Artificial (IA) generativos básicos disponibles de forma abierta que se lanzaron con una licencia abierta. Estos modelos de IA están disponibles para ejecutarse en tus aplicaciones, hardware, dispositivos móviles o servicios alojados.

En esta guía, presentamos Gemma para la generación de texto. También puedes ajustar estos modelos para que se especialicen en realizar tareas específicas.

El conjunto de datos que usas en este documento es b-mc2/sql-create-context.

Para obtener más información, consulta la documentación de Gemma.

GPU

Las GPUs te permiten acelerar cargas de trabajo específicas que se ejecutan en tus nodos, como el aprendizaje automático y el procesamiento de datos. GKE proporciona una variedad de opciones de tipos de máquinas para la configuración de nodos, incluidos los tipos de máquinas con GPUs NVIDIA H100, L4 y A100.

Antes de usar las GPUs en GKE, te recomendamos que completes la siguiente ruta de aprendizaje:

  1. Obtén información sobre la disponibilidad actual de la versión de GPU.
  2. Obtén información sobre las GPUs en GKE.

Transformers de Hugging Face

Con la biblioteca Transformers de Hugging Face, puedes acceder a modelos previamente entrenados de vanguardia. La biblioteca de Transformers te permite reducir el tiempo, los recursos y los costos computacionales asociados con el entrenamiento completo del modelo.

En este instructivo, usarás las APIs y herramientas de Hugging Face para descargar y ajustar estos modelos previamente entrenados.

Objetivos

Esta guía está dirigida a usuarios nuevos o existentes de GKE, ingenieros de AA, ingenieros de MLOps (DevOps) o administradores de plataformas que estén interesados en el uso de las funciones de organización de contenedores de Kubernetes para el ajuste de LLM en hardware de GPU H100, A100 y L4.

Al final de esta guía, deberías poder realizar los siguientes pasos:

  1. Preparar tu entorno con un clúster de GKE en modo Autopilot.
  2. Crea un contenedor de ajuste.
  3. Usa GPUs para ajustar el modelo Gemma 2B y subirlo a Hugging Face.

Antes de comenzar

  • In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  • Verify that billing is enabled for your Google Cloud project.

  • Enable the required APIs.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the APIs

  • Asegúrate de tener los siguientes roles en el proyecto: roles/container.admin, roles/iam.serviceAccountAdmin, roles/cloudbuild.builds.editor

    Verifica los roles

    1. En la consola de Google Cloud , dirígete a la página IAM.

      Ir a IAM
    2. Selecciona el proyecto.

    3. En la columna Principal, busca todas las filas que te identifiquen a ti o a un grupo en el que se te incluya. Para saber en qué grupos estás incluido, comunícate con tu administrador.

    4. Para todas las filas en las que se te especifique o se te incluya, verifica la columna Rol para ver si la lista de roles incluye los roles necesarios.

    Otorga los roles

    1. En la consola de Google Cloud , dirígete a la página IAM.

      Ir a IAM
    2. Selecciona el proyecto.
    3. Haz clic en Otorgar acceso.

    4. En el campo Principales nuevas, ingresa tu identificador de usuario. Este suele ser el identificador de un usuario que pertenece a un grupo de identidades de personal. Para obtener más información, consulta Representa a los usuarios del grupo de personal en políticas de IAM o comunícate con el administrador.

    5. Haz clic en Seleccionar un rol y, luego, busca el rol.
    6. Para otorgar roles adicionales, haz clic en Agregar otro rol y agrega uno más.
    7. Haz clic en Guardar.

Obtén acceso al modelo

Para obtener acceso a los modelos de Gemma para la implementación en GKE, primero debes firmar el contrato de consentimiento de licencia y, luego, generar un token de acceso de Hugging Face.

Debes firmar el acuerdo de consentimiento para usar Gemma. Sigue estas instrucciones:

  1. Accede a la página de consentimiento del modelo en Kaggle.com.
  2. Verifica el consentimiento con tu cuenta de Hugging Face.
  3. Acepta los términos del modelo.

Genera un token de acceso

Para acceder al modelo a través de Hugging Face, necesitarás un token de Hugging Face.

Sigue estos pasos para generar un token nuevo si aún no tienes uno:

  1. Haz clic en Tu perfil > Configuración > Tokens de acceso.
  2. Selecciona Token nuevo.
  3. Especifica el nombre que desees y un rol de al menos Write.
  4. Selecciona Genera un token.
  5. Copia el token generado al portapapeles.

Prepara el entorno

En este instructivo, usarás Cloud Shell para administrar recursos alojados enGoogle Cloud. Cloud Shell tiene preinstalado el software que necesitarás para este instructivo, incluidos kubectl y la gcloud CLI.

Para configurar tu entorno con Cloud Shell, sigue estos pasos:

  1. En la Google Cloud consola, haz clic en Ícono de activación de Cloud Shell Activar Cloud Shell en la Google Cloud consola para iniciar una sesión de Cloud Shell. Esto inicia una sesión en el panel inferior de la consola de Google Cloud .

  2. Configura las variables de entorno predeterminadas:

    gcloud config set project PROJECT_ID
export PROJECT_ID=$(gcloud config get project)
export CONTROL_PLANE_LOCATION=CONTROL_PLANE_LOCATION
export CLUSTER_NAME=CLUSTER_NAME
export HF_TOKEN=HF_TOKEN
export HF_PROFILE=HF_PROFILE

    Reemplaza los siguientes valores:

    • PROJECT_ID: Es el Google Cloud ID del proyecto.
    • CONTROL_PLANE_LOCATION: La región de Compute Engine del plano de control de tu clúster. Proporciona una región que admita el tipo de acelerador que deseas usar, por ejemplo, us-central1 para las GPUs L4.
    • CLUSTER_NAME: El nombre de tu clúster.
    • HF_TOKEN: El token de Hugging Face que generaste antes.
    • HF_PROFILE: El ID del perfil de Hugging Face que creaste antes.

  3. Clona el repositorio de código de muestra de GitHub:

    git clone https://github.com/GoogleCloudPlatform/kubernetes-engine-samples
cd kubernetes-engine-samples/ai-ml/llm-finetuning-gemma

Crea y configura recursos de Google Cloud

Sigue estas instrucciones para crear los recursos necesarios.

Crea un clúster de GKE y un grupo de nodos

Puedes entregar Gemma en GPU en un clúster de GKE Autopilot o Standard. Para elegir el modo de operación de GKE que se adapte mejor a tus cargas de trabajo, consulta Elige un modo de operación de GKE.

Práctica recomendada:

Usa Autopilot para una experiencia de Kubernetes completamente administrada.

Autopilot

En Cloud Shell, ejecute el siguiente comando:

gcloud container clusters create-auto CLUSTER_NAME \
    --project=PROJECT_ID \
    --location=CONTROL_PLANE_LOCATION \
    --release-channel=rapid \
    --cluster-version=CLUSTER_VERSION

Reemplaza los siguientes valores:

  • PROJECT_ID: Es el Google Cloud ID del proyecto.
  • CONTROL_PLANE_LOCATION: La región de Compute Engine del plano de control de tu clúster. Proporciona una región que admita el tipo de acelerador que deseas usar, por ejemplo, us-central1 para las GPUs L4.
  • CLUSTER_NAME: El nombre de tu clúster.
  • CLUSTER_VERSION: la versión de GKE, que debe ser compatible con el canal de lanzamiento rápido. Para obtener más información, consulta Cómo comprobar las versiones disponibles y las predeterminadas.

GKE crea un clúster de Autopilot con nodos de CPU y GPU según lo solicitan las cargas de trabajo implementadas.

Estándar

  1. En Cloud Shell, ejecuta el siguiente comando para crear un clúster estándar:

    gcloud container clusters create CLUSTER_NAME \
    --project=PROJECT_ID \
    --location=CONTROL_PLANE_LOCATION \
    --workload-pool=PROJECT_ID. \
    --release-channel=rapid \
    --num-nodes=1

    Reemplaza los siguientes valores:

    • PROJECT_ID: Es el Google Cloud ID del proyecto.
    • CONTROL_PLANE_LOCATION: La región de Compute Engine del plano de control de tu clúster. Proporciona una región que admita el tipo de acelerador que deseas usar, por ejemplo, us-central1 para las GPUs L4.
    • CLUSTER_NAME: El nombre de tu clúster.

    La creación del clúster puede tomar varios minutos.

  2. Ejecuta el siguiente comando para crear un grupo de nodos para el clúster:

    gcloud container node-pools create gpupool \
    --accelerator type=nvidia-l4,count=8,gpu-driver-version=latest \
    --project=PROJECT_ID \
    --location=CONTROL_PLANE_LOCATION \
    --node-locations=CONTROL_PLANE_LOCATION-a \
    --cluster=CLUSTER_NAME \
    --machine-type=g2-standard-96 \
    --num-nodes=1

    GKE crea un solo grupo de nodos que contiene dos GPU L4 para cada nodo.

Crea un secreto de Kubernetes para las credenciales de Hugging Face

En Cloud Shell, haz lo siguiente:

  1. Configura kubectl para comunicarse con tu clúster:

    gcloud container clusters get-credentials CLUSTER_NAME \
    --location=CONTROL_PLANE_LOCATION

    Reemplaza los siguientes valores:

    • CONTROL_PLANE_LOCATION: La región de Compute Engine del plano de control de tu clúster.
    • CLUSTER_NAME: El nombre de tu clúster.

  2. Crea un Secret de Kubernetes que contenga el token de Hugging Face:

    kubectl create secret generic hf-secret \
    --from-literal=hf_api_token=$HF_TOKEN \
    --dry-run=client -o yaml | kubectl apply -f -

    Reemplaza $HF_TOKEN por el token de Hugging Face que generaste antes o usa la variable de entorno si la configuraste.

Crea un contenedor de ajuste con Docker y Cloud Build

Este contenedor usa el código de PyTorch y Hugging Face Transformers para ajustar el modelo de Gemma existente previamente entrenado.

  1. Crea un repositorio de Docker de Artifact Registry:

    gcloud artifacts repositories create gemma \
    --project=PROJECT_ID \
    --repository-format=docker \
    --location=us \
    --description="Gemma Repo"

    Reemplaza PROJECT_ID por el ID del proyecto de Google Cloud.

  2. Compila y envía la imagen:

    gcloud builds submit .

  3. Exporta el IMAGE_URL para usarlo más adelante en este instructivo.

    export IMAGE_URL=us-docker.pkg.dev/PROJECT_ID/gemma/finetune-gemma-gpu:1.0.0

Ejecuta un trabajo de ajuste en GKE

En esta sección, implementarás el trabajo de ajuste de Gemma. Un controlador de Job en Kubernetes crea uno o más Pods y ayuda a garantizar que ejecuten correctamente una tarea específica.

  1. Abre el archivo finetune.yaml.

    apiVersion: batch/v1
kind: Job
metadata:
  name: finetune-job
  namespace: default
spec:
  backoffLimit: 2
  template:
    metadata:
      annotations:
        kubectl.kubernetes.io/default-container: finetuner
    spec:
      terminationGracePeriodSeconds: 600
      containers:
      - name: finetuner
        image: $IMAGE_URL
        resources:
          limits:
            nvidia.com/gpu: "8"
        env:
        - name: MODEL_NAME
          value: "google/gemma-2b"
        - name: NEW_MODEL
          value: "gemma-2b-sql-finetuned"
        - name: LORA_R
          value: "8"
        - name: LORA_ALPHA
          value: "16"
        - name: TRAIN_BATCH_SIZE
          value: "1"
        - name: EVAL_BATCH_SIZE
          value: "2"
        - name: GRADIENT_ACCUMULATION_STEPS
          value: "2"
        - name: DATASET_LIMIT
          value: "1000"
        - name: MAX_SEQ_LENGTH
          value: "512"
        - name: LOGGING_STEPS
          value: "5"
        - name: HF_TOKEN
          valueFrom:
            secretKeyRef:
              name: