[マルチモーダルWG] - マルチモーダルモデル学習 ablation

[ssgw-keito]

Overview

VILAの学習方法を参考にマルチモーダルモデルの学習を行います。

Details

• 日本語マルチモーダルモデルについて、条件を変更して学習する

  • step-1の学習をスキップ
  • step-1で w/o interleaved data

• モデル モデルの構成要素	モデル / アーキテクチャ
  VIsion Encoder	google/siglip-so400m-patch14-384
  Projector	mlp2x_gelu
  LLM	llm-jp/llm-jp-3-13b-instruct

Resources

• 計算機
  • クラスタ: mdx (llm-jp-nvlink)
  • ノード種別: gpu (A100x8)
  • ノード台数: 8
• コード
  • リポジトリ: https://github.com/llm-jp/VILA-ja
  • コミット: 8c10716b3f1d975363d258273dd8ba450727e4a7
• 入力データ:
  • llm-jp-nvlink:/model/sasagawa/VILA-ja/playground/data
• 出力データ:
  • 保存先: llm-jp-nvlink:/model/experiments/0056_vila_ablation/
  • データ内訳:
  • checkpoints: 150GB （バッファ容量を含む）
• W&B ログ:
  • 移行予定
• 開始日: 2024-10-08
• 終了予定日: 2024-12-31 （バッファ期間を含む）