chatglm_finetuning

项目介绍：chatglm_finetuning

chatglm_finetuning 项目旨在为 ChatGLM 模型提供各种微调和优化支持，通过简化和改进训练流程，以及支持多种训练框架和优化方法，提升模型效率与性能。此项目适合那些希望通过微调增加ChatGLM模型应用灵活性和功能性的开发者和研究人员。

项目发展历程

项目自发布以来，不断更新，添加了许多新特性和优化：

• 多种训练优化器支持：至 2023 年 10 月，项目已经支持 accelerator 和 colossalai 等多种训练器。
• 模型量化与推理优化：解除 ChatGLM-6B 在 INT4 模式下的训练限制，允许更轻量级的推理。
• 多进程数据处理：通过多进程优化数据处理流程，适应大数据集的微调需求。
• 支持多种微调策略：提供包括 LoRA、AdaLoRA、DeepSpeed 和 P-Tuning v2 等在内的不同微调方式。

安装方式

用户可通过以下命令来安装项目所需的全部依赖：

pip install -U -r requirements.txt

如果遇到安装问题，还可以切换至官方源进行安装。

模型权重

项目支持 ChatGLM 多个版本的模型微调，包括：

• ChatGLM-6B
• ChatGLM-6B-INT8
• ChatGLM-6B-INT4

用户可以根据需求选择使用不同版本的预训练模型来进行微调。

数据样例

项目支持灵活的数据输入格式，以 JSON 的方式呈现问答对。例如：

{"id": 1, "paragraph": [{"q": "从南京到上海的路线", "a": ["路线如下：..."]}]}

推理配置

项目提供不同量化级别的推理选项，以便于根据计算资源进行选择：

• FP16（无量化）：需至少 13 GB 显存
• INT8：需至少 10 GB 显存
• INT4：需至少 6 GB 显存

使用配置文件 infer.py, infer_finetuning.py, 或 infer_lora_finetuning.py 可以分别对预训练模型和微调模型进行推理。

训练指南

用户可以利用以下命令来进行各种微调任务：

# 全参数训练
bash train_full.sh -m train

# LoRA 微调
bash train_lora.sh -m train

# P-Tuning v2 微调
bash train_ptv2.sh -m train

脚本提供了多种训练参数选项，可以根据数据量和任务进行适当调整。

友情链接

项目提供了多种相关项目链接， 如 pytorch-task-example、moss_finetuning 等，供用户参考和学习。

总结

chatglm_finetuning 项目提供了高效且灵活的微调方案，广泛适用于多种场景和需求，是研究和应用 ChatGLM 模型的优秀工具。项目致力于通过不断优化和功能扩展，为用户提供最佳的微调体验。