ChatGLM-微调

一种经济实惠的chatgpt实现方案，基于清华大学的 ChatGLM-6B + LoRA 进行微调。

数据集：alpaca

有colab账户的同学可以直接在colab上尝试： <a href="https://colab.research.google.com/github/mymusise/ChatGLM-Tuning/blob/master/examples/finetune.ipynb"> <img alt="Build" src="https://yellow-cdn.veclightyear.com/ab5030c0/6d3507ff-4700-4c7d-86fe-c7331b7b1c7d.svg"> </a>

官方ptuning代码

演示

开源版的文心一言

S1 微调

准备

显卡：显存 >= 16G（最好24G或以上）
环境：
- python>=3.8
- cuda>=11.6, cupti, cuDNN, TensorRT等深度学习环境
- pip3 install -r requirements.txt 其中requirements.txt中的安装包bitsandbytes 建议安装0.41.2.post2这个版本，以前的版本可能会提示报错： bitsandbytes/libbitsandbytes_cpu.so: undefined symbol: cget_col_row_stats

数据预处理

将alpaca数据集转换为jsonl格式

python cover_alpaca2jsonl.py \
    --data_path data/alpaca_data.json \
    --save_path data/alpaca_data.jsonl \

分词处理

python tokenize_dataset_rows.py \
    --jsonl_path data/alpaca_data.jsonl \
    --save_path data/alpaca \
    --max_seq_length 200 \ 
    --skip_overlength  False
    --chatglm_path model_path/chatglm
    --version v1

--jsonl_path 微调数据的路径，格式为jsonl，对每行的['context']和['target']字段进行编码
--save_path 输出路径
--max_seq_length 样本的最大长度
--chatglm_path 导入模型的路径（可以选择chatglm或chatglm2的不同路径）
--version 模型的版本（v1指chatglm，v2指chatglm2）

训练

python finetune.py \
    --dataset_path data/alpaca \
    --lora_rank 8 \
    --per_device_train_batch_size 6 \
    --gradient_accumulation_steps 1 \
    --max_steps 52000 \
    --save_steps 1000 \
    --save_total_limit 2 \
    --learning_rate 1e-4 \
    --fp16 \
    --remove_unused_columns false \
    --logging_steps 50 \
    --output_dir output
    --chatglm_path model_path/chat_glm