baichuan Qlora Tuning

baichuan-Qlora-Tuning

基於qlora對baichuan-7B大模型進行指令微調。

依賴

 mpi4py
transformers == 4.28 . 1
peft == 0.3 . 0
icetk
deepspeed == 0.9 . 2
accelerate
cpm_kernels
sentencepiece == 0.1 . 99
peft = 0.3 . 0
torch = 2.0 . 0 

版本為最新的也行。

目錄結構

 --data
----msra
------train.txt
------eval.txt
--checkpoint
----baichuan
------adapter_model
--model_hub
----baichuan-7B
--baichuan_qlora.py  # 训练
--dataset.py  # 处理数据
--predict.py  # 交互式闲聊
--test_baichuan.py  # 测试baichuan模型
--train.log  # 训练日志

一般步驟

數據格式

train.txt和eval.txt裡面的數據格式是一致的，每一行為一條樣本，具體為：

{ "instruct" : "你现在是一个实体识别模型，你需要提取文本里面的人名、地名、机构名，如果存在结果，返回'实体_实体类型'，不同实体间用n分隔。如果没有结果，回答'没有'。" , "query" : "文本：因有关日寇在京掠夺文物详情，藏界较为重视，也是我们收藏北京史料中的要件之一。" , "answer" : "日_地名n京_地名n北京_地名" }

instruct為指令，query為文本，answer為結果，可以根據自己的數據自行構建。

在baichuan_qlora.py裡面可以定義這三種列的名稱。

訓練

去hugging face下載baichuan-7B相關文件到model_hub/baichuan-7B下，下載完成後可以用python test_baichuan.pt進行測試模型。構建好數據集之後直接運行：

 python baichaun_qlora . py 

預測

訓練完成後可以使用以下指令進行預測：

 python predict . py - - model_name "baichuan" - - base_model "./model_hub/baichuan-7B" - - tokenizer_path "./model_hub/baichuan-7B" - - lora_model "./checkpoint/baichuan/adapter_model" - - with_prompt - - interactive

預測結果：

加载模型耗时： 0.6068947672843933分钟
loading peft model
Start inference with instruction mode .
== == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == =
+ 当前使用的模型是： baichuan
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
+ 该模式下仅支持单轮问答，无多轮对话能力。
== == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == == =
Input :你现在是一个实体识别模型，你需要提取文本里面的人名、地名、机构名，如果存在结果，返回'实体_实体类型' ，不同实体间用n分隔。如果没有结果，回答'没有' 。文本：我们是受到郑振铎先生、阿英先生著作的启示，从个人条件出发，瞄准现代出版史研究的空白，重点集藏解放区、国民党毁禁出版物。
Response :  郑振铎_人名
阿英_人名


Input :你现在是一个实体识别模型，你需要提取文本里面的人名、地名、机构名，如果存在结果，返回'实体_实体类型' ，不同实体间用n分隔。如果没有结果，回答'没有' 。文本：藏书家、作家姜德明先生在1997年出版的书话专集《文林枝叶》中以“爱书的朋友”为题，详细介绍了我们夫妇的藏品及三口之家以书为友、好乐清贫的逸闻趣事。
Response :  姜德明_人名


Input :你现在是一个实体识别模型，你需要提取文本里面的人名、地名、机构名，如果存在结果，返回'实体_实体类型' ，不同实体间用n分隔。如果没有结果，回答'没有' 。文本：去年，我们又被评为“北京市首届家庭藏书状元明星户”。
Response :  北京_地名

有一定的效果，但是並不是很好，可能需要調調參，訓練更長的時間。

預測使用的顯存：

補充

• **如何訓練自己的數據？ **只需要構建好上述數據所需的格式，然後修改baichuan_qlora裡面數據的地址即可，當然也可修改其它的一些參數。
• 如何使用其它的模型？其它模型的不同在於兩個方面：1、數據的輸入格式不一樣。 2、模型加載的方式不一樣。對於chatglm、llama、belle，可以參考之前所做的：https://github.com/taishan1994/qlora-chinese-LLM

參考

https://github.com/wp931120/baichuan_sft_lora

https://github.com/baichuan-inc/baichuan-7B

https://github.com/artidoro/qlora/

https://github.com/taishan1994/qlora-chinese-LLM