一种平价的chatgpt实现方案，基于清华的 ChatGLM-6B + LoRA 进行finetune.
数据集: alpaca
有colab的同学可以直接在colab上尝试：
- 显卡: 显存 >= 16G (最好24G或者以上)
- 环境：
-
- python>=3.8
-
- cuda>=11.6, cupti, cuDNN, TensorRT等深度学习环境
-
- pip3 install -r requirements.txt
转化alpaca数据集为jsonl
python cover_alpaca2jsonl.py \
--data_path data/alpaca_data.json \
--save_path data/alpaca_data.jsonl \tokenization
python tokenize_dataset_rows.py \
--jsonl_path data/alpaca_data.jsonl \
--save_path data/alpaca \
--max_seq_length 320--jsonl_path微调的数据路径, 格式jsonl, 对每行的['context']和['target']字段进行encode--save_path输出路径--max_seq_length样本的最大长度
python finetune.py \
--dataset_path data/alpaca \
--lora_rank 8 \
--per_device_train_batch_size 2 \
--gradient_accumulation_steps 1 \
--max_steps 52000 \
--save_steps 1000 \
--save_total_limit 2 \
--learning_rate 2e-5 \
--fp16 \
--remove_unused_columns false \
--logging_steps 50 \
--output_dir output参考 infer.ipynb
Finetune前后对比
利用Alpaca数据集合对ChatGLM-6B Finetune后，在Alpaca数据集上表现得更好:
Answer:是模型的输出#### Answer:是原答案
bs > 1 support- 使用中文数据
- 加入RLHF