QLoRA Fine tuning for Film Character Styled Responses from LLM

Qlora-Fine-Tuning-für-Film-Charakter-Style-Responses-FROM-LLM

Code für Feinabstimmung LLAMA2 LLM mit benutzerdefiniertem Textdatensatz zur Erzeugung von Antworten zum Filmcharakter-Stil

Überblick

Dieser Code verwendete den Qlora-Parameter Effiziente Feinabstimmentechniken, um ein maßgeschneidertes LLAMA2 LLM zu erstellen

Projektstruktur

1. get_gandalf_data.py - Webcrapes Gandalf Textdialogdaten aus Online -Ressourcen

2. gandalf_dataset.py - Erstellt Abfrage-/Antwortdatensatz aus gandalf.csv, das aus Webcraped -Dialogdaten generiert wurde

3. hyper_params.py - definiert Hyperparameter für die Trainingsschleife

4. Train_gandalf.py - Fine -Tunes Base LLAMA2 -Modell mit benutzerdefiniertem Gandalf -Datensatz mit Qlora PEFT -Techniken

5. evaluate.py - lädt das fein abgestimmte Lama2

Autor

Louis Chapo-Saunders