Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/ssbuild/t5_finetuning
clue chatyuan finetuning
https://github.com/ssbuild/t5_finetuning
adalora chat chatyuan clue lora qlora t5
Last synced: 4 days ago
JSON representation
clue chatyuan finetuning
- Host: GitHub
- URL: https://github.com/ssbuild/t5_finetuning
- Owner: ssbuild
- Created: 2023-02-16T03:30:17.000Z (over 1 year ago)
- Default Branch: dev
- Last Pushed: 2024-04-22T01:45:14.000Z (7 months ago)
- Last Synced: 2024-04-29T02:31:04.237Z (7 months ago)
- Topics: adalora, chat, chatyuan, clue, lora, qlora, t5
- Language: Python
- Homepage:
- Size: 130 KB
- Stars: 15
- Watchers: 1
- Forks: 4
- Open Issues: 2
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
```text
2024-04-22 简化
2023-10-09 support accelerator trainer
2023-10-07 support colossalai trainer
2023-09-26 support transformers trainer
2023-08-02 增加 muti lora infer 例子, 手动升级 aigc_zoo , pip install -U git+https://github.com/ssbuild/deep_training.zoo.git --force-reinstall --no-deps
2023-06-13 support resize_token_embeddings
2023-06-01 支持lora deepspeed 训练，0.1.9 和 0.1.10合并
2023-05-27 add qlora transformers>=4.30
2023-05-24 升级 lora
```
## update information
- [deep_training](https://github.com/ssbuild/deep_training)
- t5 训练精度推荐使用 32
## install
- pip install -U -r requirements.txt
- 如果无法安装， 可以切换官方源 pip install -i https://pypi.org/simple -U -r requirements.txt
## weight
- [ChatYuan-large-v1](https://huggingface.co/ClueAI/ChatYuan-large-v1)
- [ChatYuan-large-v2](https://huggingface.co/ClueAI/ChatYuan-large-v2)
## data
[open data](https://github.com/ssbuild/open_data)
```text
p prefix optional
q question optional
a answer must
```
```json
{
"id": 0,
"p": "我是qwen训练的模型",
"paragraph": [
{
"q": "你好",
"a": "我是机器人，有什么可以帮助你的？"
},
{
"q": "从南京到上海的路线",
"a": "你好，南京到上海的路线如下：1. 南京到上海，可以乘坐南京地铁1号线，在南京站乘坐轨道交通1号线。2. 南京到浦东机场，可以搭乘上海地铁1号，在陆家嘴站乘坐地铁1线，在浦东国际机场站乘坐机场快线，前往上海浦东国际机场。3. 上海到南京，可以换乘上海地铁2号线，从南京站换乘地铁2线，再从南京南站换乘地铁1路，然后到达上海站"
}
]
}
```
或者
```json
{
"id": 0,
"conversations": [
{
"from": "system",
"value": "我是qwen训练的模型"
},
{
"from": "user",
"value": "你好"
},
{
"from": "assistant",
"value": "我是机器人，有什么可以帮助你的？"
},
{
"from": "user",
"value": "从南京到上海的路线"
},
{
"from": "assistant",
"value": "你好，南京到上海的路线如下：1. 南京到上海，可以乘坐南京地铁1号线，在南京站乘坐轨道交通1号线。2. 南京到浦东机场，可以搭乘上海地铁1号，在陆家嘴站乘坐地铁1线，在浦东国际机场站乘坐机场快线，前往上海浦东国际机场。3. 上海到南京，可以换乘上海地铁2号线，从南京站换乘地铁2线，再从南京南站换乘地铁1路，然后到达上海站"
}
]
}
```
# 使用方法
默认不使用滑动窗口
data_conf = {
'stride': 0,
#滑动窗口 , 数据多则相应增大，否则减小 ,stride <=0 则禁用滑动窗口
}
## infer
# infer_finetuning.py 推理微调模型
# infer_lora_finetuning.py 推理微调模型
# infer_ptuning.py 推理p-tuning-v2微调模型
python infer_finetuning.py
## training
```text
# 制作数据
cd scripts
bash train_full.sh -m dataset
or
bash train_lora.sh -m dataset
or
bash train_ptv2.sh -m dataset
注: num_process_worker 为多进程制作数据 ， 如果数据量较大 ， 适当调大至cpu数量
dataHelper.make_dataset_with_args(data_args.train_file,mixed_data=False, shuffle=True,mode='train',num_process_worker=0)
# 全参数训练
bash train_full.sh -m train
# lora adalora ia3
bash train_lora.sh -m train
# ptv2
bash train_ptv2.sh -m train
```
## 训练参数
[训练参数](args.MD)
## 友情链接
- [pytorch-task-example](https://github.com/ssbuild/pytorch-task-example)
- [tf-task-example](https://github.com/ssbuild/tf-task-example)
- [chatmoss_finetuning](https://github.com/ssbuild/chatmoss_finetuning)
- [chatglm_finetuning](https://github.com/ssbuild/chatglm_finetuning)
- [t5_finetuning](https://github.com/ssbuild/t5_finetuning)
- [llm_finetuning](https://github.com/ssbuild/llm_finetuning)
- [llm_rlhf](https://github.com/ssbuild/llm_rlhf)
- [chatglm_rlhf](https://github.com/ssbuild/chatglm_rlhf)
- [t5_rlhf](https://github.com/ssbuild/t5_rlhf)
- [rwkv_finetuning](https://github.com/ssbuild/rwkv_finetuning)
- [baichuan_finetuning](https://github.com/ssbuild/baichuan_finetuning)
##
纯粹而干净的代码