MLLM Finetuning Demo

Mllm-finetuning-demo

Installieren Sie Lama-Factory

git clone https://github.com/hiyouga/LLaMA-Factory.git
cd LLaMA-Factory
pip install -e .[torch,metrics]
cd .. # 回到项目根目录

Vorausbildung

Feature-Alignment in Llava, Freeze language_model und vision_tower und nur fein multi_modal_projector .

CUDA_VISIBLE_DEVICES=0 llamafactory-cli train config/llava_pt.yaml

Feinanpassung

CUDA_VISIBLE_DEVICES=0 llamafactory-cli train config/llava_lora_sft.yaml

Web -Chat

CUDA_VISIBLE_DEVICES=0 llamafactory-cli webchat 
--model_name_or_path llava-hf/llava-1.5-7b-hf 
--adapter_name_or_path saves/llava1_5-7b/lora/sft 
--template llava

Laden Sie den Datensatz in das Umarmungen hoch

Bitte ersetzen Sie Ihren eigenen Schlüssel in upload_dataset.py .

python3 upload_dataset.py

Modelle exportieren und hochladen, um das Umarmungen zu erhalten

Bitte ersetzen Sie Ihre eigene export_hub_model_id und hf_hub_token in config/llava_lora_sft_export.yaml .

CUDA_VISIBLE_DEVICES=0 llamafactory-cli export config/llava_lora_sft_export.yaml