Instructions to use perachon/p14-model with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- PEFT
How to use perachon/p14-model with PEFT:
from peft import PeftModel from transformers import AutoModelForCausalLM base_model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3-1.7B-Base") model = PeftModel.from_pretrained(base_model, "perachon/p14-model") - Notebooks
- Google Colab
- Kaggle
File size: 958 Bytes
5c5ca6d 277c3d5 5c5ca6d 277c3d5 5c5ca6d 277c3d5 5c5ca6d 277c3d5 298c5fb 277c3d5 298c5fb 277c3d5 5c5ca6d 298c5fb 5c5ca6d 277c3d5 5c5ca6d 277c3d5 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 | ---
language:
- fr
- en
tags:
- medical
- triage
- peft
- lora
- sft
- dpo
base_model: Qwen/Qwen3-1.7B-Base
---
# P14 - Qwen3-1.7B LoRA adapters
Ce dépôt contient des **adapters LoRA** (PEFT) entraînés sur Windows (RTX 4050 6GB) pour un POC éducatif de triage médical.
## Contenu
### Runs “courts”
- `adapters/sft/` : adapter après SFT (instruction-tuning)
- `adapters/dpo/` : adapter après DPO (préférences), en partant de l'adapter SFT
### Runs “long”
- `adapters/sft_long_20260318_1657/` : SFT long (800 steps, seq_len=128)
- `adapters/dpo_long_20260318_1657/` : DPO long (400 steps, seq_len=128) depuis l’adapter SFT long
## Données
- Dataset principal : `cyrille-elie/CHSA-Triage-Medic-Full-Dataset` (licence MIT, fr/en)
- Le dataset complet du projet est géré séparément (dépôt dataset privé dans ce projet).
## Avertissement
POC éducatif. Ne remplace pas un avis médical.
|