Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/CrazyBoyM/llama2-Chinese-chat

首个llama2 13b 中文版模型（Base + 中文对话SFT，实现流畅多轮人机自然语言交互)
https://github.com/CrazyBoyM/llama2-Chinese-chat

Last synced: about 1 month ago
JSON representation

首个llama2 13b 中文版模型（Base + 中文对话SFT，实现流畅多轮人机自然语言交互)

Host: GitHub
URL: https://github.com/CrazyBoyM/llama2-Chinese-chat
Owner: CrazyBoyM
License: apache-2.0
Created: 2023-07-21T00:02:49.000Z (over 1 year ago)
Default Branch: main
Last Pushed: 2023-08-21T03:39:52.000Z (over 1 year ago)
Last Synced: 2024-11-05T00:42:04.923Z (about 1 month ago)
Homepage:
Size: 60.5 KB
Stars: 89
Watchers: 3
Forks: 7
Open Issues: 3
Metadata Files:
- Readme: README.md
- License: LICENSE

Awesome Lists containing this project

Awesome-LLMs-Datasets - Github - Chinese-English-90k)** (Instruction Fine-tuning Datasets / General Instruction Fine-tuning Datasets)
StarryDivineSky - CrazyBoyM/llama2-Chinese-chat - 本项目是一个教程记录整理的repo，旨在提供给新手的参照价值和开箱即用的中文LLaMa2对话体验。包含训练过程记录，各种主要量化方式，部署后端api的推荐方案，以及在一个具体的前端网页上实现开箱即用的流畅对话体验。 (A01_文本生成_文本对话 / 大语言对话模型及数据)

README

        # llama2-Chinese-chat   

更新记录:

- 2023-07-19 全网首个中文对话llama2 13b版本发布，实现可流畅中文对话 

- 2023-07-23 完成第2个epoch训练放出，有更好的对话体验

- 2023-08-03 分支版本：bimoGPT放出，拥有自我身份认知、不错的代码问答能力，权重下载地址：https://huggingface.co/shareAI/bimoGPT-llama2-13b

- 2023-08-21 更新世界模型排名榜，超越某号称“中文Llama2官方”社区的收费模型十多个名次。

![image](https://github.com/CrazyBoyM/llama2-Chinese-chat/assets/35400185/1aefbbf4-cd54-4ea2-a07a-c15f73a829ef)

llama2 Chinese chat - 本项目是一个教程记录整理的repo，旨在提供给新手的参照价值和开箱即用的中文LLaMa2对话体验。包含训练过程记录，各种主要量化方式，部署后端api的推荐方案，以及在一个具体的前端网页上实现开箱即用的流畅对话体验。  

也是当前第一个实际可用的中文13b llama2对话（已实现且放出实际文件）。

- 中文llama2对话模型下载（仅差分部分）：https://huggingface.co/shareAI/llama2-13b-Chinese-chat  

- 完整权重下载（最新的练到了第2个epoch）：https://www.codewithgpu.com/m/file/llama2-13b-Chinese-chat  

- 训练用数据集：https://huggingface.co/datasets/shareAI/ShareGPT-Chinese-English-90k

- llama2训练交流QQ群：443064756

更多实测问答记录：https://gist.github.com/goog/a3276016bd17eb401d6cc74d1f96d2e0  感谢@goog 提供





---

library_name: peft

datasets:

- shareAI/shareGPT_cn

- FreedomIntelligence/ShareGPT-CN

language:

- zh

pipeline_tag: question-answering

tags:

- chat

- llm

- llama2

- chatgpt

---

tip: 优秀对话llm的训练离不开高质量的多轮对话数据集，如果你也想成为志愿者  

欢迎加入QQ群：130920969，共同进行优质数据集的交流、收集和建设工作  

项目在中文sharegpt数据集上训练得到的llama2 Chinese chat 13b，为减轻文件大小负担这里只放出了adapter的权重  

请拉取https://huggingface.co/TheBloke/Llama-2-13B-fp16 作为基础权重，使用如下脚步执行合并得到可工作的总权重：  

```python

from peft import PeftModel

from transformers import AutoModelForCausalLM, AutoTokenizer

import torch

model_name_or_path = '/data/TheBloke/Llama-2-13B-fp16'

adapter_name_or_path = '/data/llama2-13b-Chinese-chat'

save_path = '/data/llama2-13b-Chinese-chat_v1'

tokenizer = AutoTokenizer.from_pretrained(

    model_name_or_path,

    trust_remote_code=True

)

model = AutoModelForCausalLM.from_pretrained(

    model_name_or_path,

    trust_remote_code=True,

    low_cpu_mem_usage=True,

    torch_dtype=torch.float16,

    device_map='auto'

)

print("load model success")

model = PeftModel.from_pretrained(model, adapter_name_or_path)

print("load adapter success")

model = model.merge_and_unload()

print("merge success")

tokenizer.save_pretrained(save_path)

model.save_pretrained(save_path)

print("save done.")

```

合并后，体验对话：

```python

from transformers import AutoModelForCausalLM, AutoTokenizer

import torch

def main():

    model_name = '/data/llama2-13b-Chinese-chat_v1'

    device = 'cuda'

    max_new_tokens = 500    # 每轮对话最多生成多少个token

    history_max_len = 2000  # 模型记忆的最大token长度

    top_p = 0.9

    temperature = 0.35 # 越大模型越浪

    repetition_penalty = 1.2 # 如果模型出现重复说话可以调节该系数

    # 加载模型

    model = AutoModelForCausalLM.from_pretrained(

        model_name,

        trust_remote_code=True,

        low_cpu_mem_usage=True,

        torch_dtype=torch.float16,

        device_map='auto'

    ).to(device).eval()

    tokenizer = AutoTokenizer.from_pretrained(

        model_name,

        trust_remote_code=True,

        # llama不支持fast

        use_fast=False if model.config.model_type == 'llama' else True

    )

    # 记录所有历史记录

    history_token_ids = tokenizer('', return_tensors="pt").input_ids

    # 开始对话

    user_input = input('User：')

    while True:

        user_input = '{}'.format(user_input)

        user_input_ids = tokenizer(user_input, return_tensors="pt", add_special_tokens=False).input_ids

        history_token_ids = torch.concat((history_token_ids, user_input_ids), dim=1)

        model_input_ids = history_token_ids[:, -history_max_len:].to(device)

        with torch.no_grad():

            outputs = model.generate(

                input_ids=model_input_ids, max_new_tokens=max_new_tokens, do_sample=True, top_p=top_p,

                temperature=temperature, repetition_penalty=repetition_penalty, eos_token_id=tokenizer.eos_token_id

            )

        model_input_ids_len = model_input_ids.size(1)

        response_ids = outputs[:, model_input_ids_len:]

        history_token_ids = torch.concat((history_token_ids, response_ids.cpu()), dim=1)

        response = tokenizer.batch_decode(response_ids)

        print("Bot：" + response[0].strip().replace('', ""))

        user_input = input('User：')

if __name__ == '__main__':

    main()

```

推荐继续二次训练以针对性调优对话效果~ 

## Training procedure

The following `bitsandbytes` quantization config was used during training:

- load_in_8bit: False

- load_in_4bit: True

- llm_int8_threshold: 6.0

- llm_int8_skip_modules: None

- llm_int8_enable_fp32_cpu_offload: False

- llm_int8_has_fp16_weight: False

- bnb_4bit_quant_type: nf4

- bnb_4bit_use_double_quant: True

- bnb_4bit_compute_dtype: float16

### Framework versions

- PEFT 0.4.0.dev0

训练1个epoch，loss 0.9，实测用中文对话体验优于baichuan13b(仅主观感受)。还有很大潜力，建议作为底座把文件拉回去继续调优。

感谢：  

- LLaMA2  

- Firefly项目  

- shareGPT中文数据集的建设者们