软件开发模型思维导图_个人博客网站页面_合肥网络推广_产品软文范例

大模型微调

微调自我认知+微调特定领域数据集。

平台&硬件

• Ubuntu20.04
• 显卡：M40 24G + 2080TI 22G
• 微调框架：LLaMA-Factory

LLaMA-Factory安装

git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git
cd LLaMA-Factory
pip install -e ".[torch,metrics]"

启动项目所提供的webui操作界面（因为我这里有两张型号不一样的显卡，经过测试不能混合训练，因此指定使用单卡2080TI）：

export CUDA_VISIBLE_DEVICES=0
llamafactory-cli webui

URL：http://localhost:7860/

如果报错ValueError: Unknown scheme for proxy URL URL('socks://127.0.0.1:7897/')
解决方案参考解决openai调用出现的valueerror: unknown scheme for proxy url url(‘socks://127.0.0.1:7890/‘)，使用下面命令查看系统的代理设置

env|grep -i proxy

看看有没有出现下面的all_proxy的设置。

no_proxy=localhost,127.0.0.1,192.168.0.0/16,10.0.0.0/8,172.16.0.0/12,::1
https_proxy=http://127.0.0.1:7897/
NO_PROXY=localhost,127.0.0.1,192.168.0.0/16,10.0.0.0/8,172.16.0.0/12,::1
HTTPS_PROXY=http://127.0.0.1:7897/
HTTP_PROXY=http://127.0.0.1:7897/
http_proxy=http://127.0.0.1:7897/
ALL_PROXY=socks://127.0.0.1:7897/
all_proxy=socks://127.0.0.1:7897/

如果有all_proxy的设置，使用下面命令设置为空就行。（原理未知）

export ALL_PROXY=''
export all_proxy=''

hfd下载hugging face模型

以Qwen/Qwen2.5-7B-Instruct为例
不确定模型的名字的话，打开链接https://hf-mirror.com/api/models，搜相应的模型名字，比如我这里直接搜Qwen2.5-7B-Instruct,然后得知模型全称是Qwen/Qwen2.5-7B-Instruct

sudo apt install aria2
pip install -U huggingface_hub
wget https://hf-mirror.com/hfd/hfd.sh
chmod a+x hfd.sh
export HF_ENDPOINT=https://hf-mirror.com
./hfd.sh Qwen/Qwen2.5-7B-Instruct --tool aria2c -x 10

自我认知微调

主要是配置以下参数：

• 模型名称：Qwen2.5-7B-Instruct
• 模型路径：配置为fd下载的本地模型路径
  其他参数暂时用默认，训练轮数设置为20。开始训练。
  训练完成后，选择相应的检查点路径，随后测试chat。
  最后export导出模型。

Alpaca数据集指令监督微调

按Alpaca格式准备好数据集

[{"instruction": "人类指令（必填）","input": "人类输入（选填）","output": "模型回答（必填）","system": "系统提示词（选填）","history": [["第一轮指令（选填）", "第一轮回答（选填）"],["第二轮指令（选填）", "第二轮回答（选填）"]]}
]

复制数据集到data目录下，修改data/dataset_info.json
举例：

"数据集名称": {"file_name": "data.json","columns": {"prompt": "instruction","query": "input","response": "output","system": "system","history": "history"}
}

如果数据集没有相应的键，就先去掉data/dataset_info.json对应的键。比如我的数据集没有history，我就把data/dataset_info.json关于history的部分去掉。

断点续训

1. 配置检查点路径为对应checkpoint对应位置（一般在saves文件夹）
2. 如果有训练参数文件，加载训练参数（下次开始训练前可以点击保存，在config文件夹可以找到）
3. 配置输出目录和配置路径
4. 点击预览命令，主要查看adapter_name_or_path和output_dir参数

---

参考：
使用微调神器LLaMA-Factory轻松改变大语言模型的自我认知
使用hfd工具快速下载huggingface模型权重-应该是目前最快的