ดาวน์โหลด llm_dpo - ดาวน์โหลดซอร์สโค้ด llm

llm_dpo

โค้ดแหล่งที่มา AI

1.0.0

ดาวน์โหลด

    2024-04-22 简化
    2023-10-09 support accelerator trainer
    2023-10-07 support colossalai trainer
    2023-09-26 support transformers trainer
    2023-09-15 支持transformers系列模型 dpo训练

อัปเดตข้อมูล

deep_training

สนับสนุนวิธีการฝึกอบรม

แบบอย่าง	32 ความแม่นยำ	การผสมความแม่นยำ	16 ความแม่นยำ	lora int8	lora int4	PTV2
ลาม่า
Llama2
chatglm
chatglm2
ชาวไชน่า
Baichuan2
เลือก
มอส
RWKV
เสือ
Qwen
ผู้ฝึกงาน
GPT2
Xverse
OpenBuddy

ตัวอย่างข้อมูล

{
	"prompt" : " nn Human:你能描述如何清除笔记本计算机屏幕上的指纹和污垢的步骤吗? nn Assistant:是的,也许。为了清洁你的屏幕,你首先需要使用微纤维布或软溼布,轻轻地擦拭屏幕表面。接下来,你会想抓住一个软,无毛巾,微纤维清洁布,轻轻地擦回屏幕上去除指纹和污垢。 nn Human:我可以将伊索普罗素酒精喷射到布上,并以这种方式清洗它吗? nn Assistant: " ,
	"response" : " 是的,你可以这样做,以帮助布从屏幕上收集更多的污垢。 请确保始终使用干净的软布,而不是一块粗糙的、粗糙的或结构化的材料,并确保它是无毛布的。 " ,
	"chosen" : " 是的,你可以这样做,以帮助布从屏幕上收集更多的污垢。 请确保始终使用干净的软布,而不是一块粗糙的、粗糙的或结构化的材料,并确保它是无毛布的。 " ,
	"rejected" : " 是的,你可以直接将它喷射到布上。 "
}

สร้างบันทึกการฝึกอบรม

ข้อมูลซีดี && make_data_example.py
Python data_utils.py
หมายเหตุ: num_process_worker สร้างข้อมูลสำหรับหลายกระบวนการ หากปริมาณข้อมูลมีขนาดใหญ่ให้เพิ่มจำนวน CPU Datahelper.make_dataset_with_args อย่างเหมาะสม

การฝึกอบรม

    # 制作数据
    cd scripts
    bash train_full.sh -m dataset 
    or
    bash train_lora.sh -m dataset 
    or
    bash train_ptv2.sh -m dataset 
    
    注: num_process_worker 为多进程制作数据 ， 如果数据量较大 ， 适当调大至cpu数量
    dataHelper.make_dataset_with_args(data_args.train_file,mixed_data=False, shuffle=True,mode='train',num_process_worker=0)
    
    # 全参数训练 
        bash train_full.sh -m train
        
    # lora adalora ia3 
        bash train_lora.sh -m train
        
    # ptv2
        bash train_ptv2.sh -m train