train_script.py

# /// script
# dependencies = ["trl>=0.12.0", "peft>=0.7.0", "trackio", "datasets"]
# ///

from datasets import load_dataset
from peft import LoraConfig
from trl import SFTTrainer, SFTConfig
import trackio

# 데이터셋 로드
print("데이터셋 로드 중...")
dataset = load_dataset("epinfomax/youtube-thumbnail-analysis", split="train")
print(f"데이터셋 크기: {len(dataset)}개")

# 학습/검증 분리
dataset_split = dataset.train_test_split(test_size=0.1, seed=42)

# LoRA 설정
peft_config = LoraConfig(
    r=16,
    lora_alpha=32,
    lora_dropout=0.05,
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj"],
    task_type="CAUSAL_LM"
)

# 학습 설정
training_args = SFTConfig(
    output_dir="./outputs",

    # Hub 저장 (필수!)
    push_to_hub=True,
    hub_model_id="epinfomax/youtube-thumbnail-trend-analyzer",
    hub_strategy="every_save",

    # 학습 파라미터
    num_train_epochs=3,
    per_device_train_batch_size=2,
    gradient_accumulation_steps=4,
    learning_rate=2e-4,
    warmup_ratio=0.1,

    # 평가
    eval_strategy="steps",
    eval_steps=20,

    # 저장
    save_strategy="steps",
    save_steps=50,
    save_total_limit=2,

    # 최적화
    gradient_checkpointing=True,
    bf16=True,

    # Trackio 모니터링
    report_to="trackio",
    run_name="youtube-thumbnail-trainer",

    # 로깅
    logging_steps=10,
)

# 트레이너 생성
print("트레이너 초기화 중...")
trainer = SFTTrainer(
    model="Qwen/Qwen2.5-0.5B",
    train_dataset=dataset_split["train"],
    eval_dataset=dataset_split["test"],
    peft_config=peft_config,
    args=training_args,
)

# 학습 시작
print("학습 시작!")
trainer.train()

# Hub에 최종 모델 저장
print("모델 Hub에 저장 중...")
trainer.push_to_hub()

print("학습 완료!")
print(f"모델 저장됨: https://huggingface.co/epinfomax/youtube-thumbnail-trend-analyzer")