К содержимому
Другое

qwen3-4b-finops-lora-week1

FinOps-адаптер для аудита GPU и vLLM

2 мин чтенияобновлено

Это LoRA (небольшая надстройка над базовой моделью) для компактной языковой модели Qwen/Qwen3-4B от автора imhlg, созданная в рамках спринта Applied AI Foundry (v4.0). Адаптер учит нейросеть формировать структурированные диагностические отчёты в формате [FINOPS_AUDIT_REPORT] для оценки ресурсов GPU, поиска узких мест KV-cache (кэша внимания при генерации) и оптимизации развёртывания через движок vLLM. От аналогов релиз отличается подробным спектральным SVD-разбором (анализом сингулярных значений) как базовых весов, так и самого обновления адаптера. Разработка пригодится MLOps-инженерам и архитекторам инфраструктуры, настраивающим локальный или облачный инференс LLM.

Ключевые особенности

  • Обучена как PEFT LoRA с рангом r=8 и параметром alpha=16 поверх базовой модели Qwen/Qwen3-4B.
  • Настроена на генерацию детерминированной диагностики [FINOPS_AUDIT_REPORT] для задач FinOps в области ИИ.
  • В карточке приведена подробная SVD-телеметрия 18-го слоя для всех проекций внимания (q, k, v, o) и блоков MLP (gate, up, down).
  • Обучение проведено на Apple M4 (24 ГБ объединённой памяти) в формате bfloat16 с использованием transformers v5, peft и trl.SFTTrainer.

Что можно сделать

  • Подключить адаптер к Qwen/Qwen3-4B для автоматизированного аудита требований к видеопамяти и подбора конфигурации GPU под инференс.
  • Использовать в MLOps-пайплайнах для выявления узких мест KV-cache и поиска путей оптимизации сервинга моделей на базе vLLM.
  • Изучить опубликованные в карточке метрики SVD-спектра и нормы Фробениуса как практический пример анализа обновления весов при SFT-дообучении.

Пример

import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

base_id = "Qwen/Qwen3-4B"
adapter_id = "imhlg/qwen3-4b-finops-lora-week1"
tokenizer = AutoTokenizer.from_pretrained(base_id)
model = PeftModel.from_pretrained(AutoModelForCausalLM.from_pretrained(base_id, dtype=torch.bfloat16, device_map="auto"), adapter_id)
ПодробнееОбучение: 15 шагов SFT, снижение функции потерь (SFT Loss) с 3.8433 до 2.0771.
Железо обучения: Apple M4 с 24 ГБ Unified Memory (PyTorch mps, bfloat16).
Относительное изменение весов на 18-м слое составляет от 0.1526% (mlp.down_proj) до 0.2779% (self_attn.k_proj).
Бенчмарки качества генерации и системные промпты в карточке не опубликованы.
Обсудить Telegram 0 16

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.6 GB · готовые файлы8.8 GB
  • FP8 / INT8рекомендуемвеса 3.8 GB4.7 GB
  • 4-bitвеса 2.2 GB2.9 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Qwen3-4B.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # imhlg/qwen3-4b-finops-lora-week1
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Qwen/Qwen3-4B --local-dir ~/models/Qwen3-4B
    hf download imhlg/qwen3-4b-finops-lora-week1 --local-dir ~/models/qwen3-4b-finops-lora-week1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-4B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

Qwen/Qwen3-4B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. Qwen3-4B-Baseоснова семьи
  2. Qwen3-4B
  3. qwen3-4b-finops-lora-week1

Новые посты про версии Qwen3-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

imhlg/qwen3-4b-finops-lora-week1
Автор
imhlg
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

160

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии