MLLM Finetuning Demo

Mllm-finetuning-demo

Instalar LLAMA-FATORY

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

Pre-entrenamiento

Alineación de características en LLAVA, Freeze language_model y vision_tower , y solo Fine-Tune multi_modal_projector .

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

Ajuste fino

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

Chat web

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

Subir el conjunto de datos a Huggingface

Reemplace su propia clave en upload_dataset.py .

python3 upload_dataset.py

Exportar y cargar modelos a Huggingface

Reemplace su propio export_hub_model_id y hf_hub_token en config/llava_lora_sft_export.yaml .

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