Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/xionghonglin/DoctorGLM
基于ChatGLM-6B的中文问诊模型
https://github.com/xionghonglin/DoctorGLM
chatglm-6b
Last synced: 6 days ago
JSON representation
基于ChatGLM-6B的中文问诊模型
- Host: GitHub
- URL: https://github.com/xionghonglin/DoctorGLM
- Owner: xionghonglin
- Created: 2023-03-29T10:48:16.000Z (over 1 year ago)
- Default Branch: main
- Last Pushed: 2023-10-19T06:49:02.000Z (about 1 year ago)
- Last Synced: 2024-08-02T06:17:11.166Z (3 months ago)
- Topics: chatglm-6b
- Language: Python
- Homepage:
- Size: 43.7 MB
- Stars: 752
- Watchers: 15
- Forks: 80
- Open Issues: 16
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
- Awesome-Domain-LLM - DoctorGLM
- StarryDivineSky - xionghonglin/DoctorGLM - 6B的中文问诊模型 (文本生成、文本对话 / 大语言对话模型及数据)
- Awesome-Medical-Healthcare-Dataset-For-LLM - DoctorGLM - 6B的中文问诊模型，通过中文医疗对话数据集进行微调，实现了包括lora、p-tuningv2等微调及部署 | (Models / 英文)
README
[Project Page]
[Arxiv]
[最新博客]
[在线体验]
# DoctorGLM
基于 ChatGLM-6B的中文问诊模型
## 最近更新
- (2023.4.18): P-Tuning & 多轮对话 & 模型可靠性提升
## 训练数据
| Dataset | Department | Language | Q&A | Chat | Number | Syn. | Size | Weight |
|------------|--------------------------|----------|------|------|--------|------|-------|-------|
| CMD. | Surgical | CN | ✔ | × | 116K | × | 52MB | |
| | Obstetrics and Gynecology| CN | ✔ | × | 229K | × | 78MB | |
| | Pediatrics | CN | ✔ | × | 117K | × | 47MB | |
| | Internal Medicine | CN | ✔ | × | 307K | × | 102MB | |
| | Andriatria | CN | ✔ | × | 113K | × | 44MB | |
| | Merged | CN | ✔ | × | 1.9M | × | |Doctor_GLM/ckpt|
| MedDialog | Multiple | CN&EN | ✔ | ✔ | 3.4M | × | 1.5GB |[ptuning_weight](https://pan.baidu.com/s/1Yf56egVGwI0XN2iOLcEGSQ?pwd=r4p0) |
| ChatDoctor | Multiple | EN | ✔ | × | 5.4K | ✔ | 2.9MB |Coming soon |
| HearlthcareMagic| Multiple | EN | ✔ | × | 200K | × | 216MB |Coming soon |
https://github.com/Toyhom/Chinese-medical-dialogue-data
## 使用
### lora
- 显存 >= 13G （未量化版本）
- pip install deep_training cpm_kernels icetk transformers>=4.26.1
- torch >= 1.12.0 (icetk依赖cpu版torch, 建议先安装icetk后安装gpu版torch)
- lora的finetune代码来自 https://github.com/ssbuild/chatglm_finetuning
对于fp16模型，直接使用Doctor_GLM/chat_lora.ipynb，由于官方更新了chatglm的权重，我们将老版权重放在了
[old_pretrain_model](https://pan.baidu.com/s/1vuoBbOQVPJPAcurEfVRn7A?pwd=ahwc)
可以下载后解压到old_pretrain_model目录
量化的模型我们打了个包，使用方便，但是效果目前来看很成问题：INT4需要大约6G显存，INT8需要大约8G显存，在Doctor_GLM/chat_lora_quant.ipynb下使用
``` python
from load_quantization import load_int
tokenizer, model = load_int('DoctorGLM-6B-INT8-6merge-int8.pt',8)
response, history = model.chat(tokenizer,
"我爷爷高血压可以喝咖啡吗",
history=[],
max_length=2048)
print(response)
```
模型下载链接：
[INT4](https://pan.baidu.com/s/1nHQ1EQ2OBuWCyBZKBnBHYw?pwd=x6l4) [INT8](https://pan.baidu.com/s/1v2hWl1dPnh8xoJzxtpbugw?pwd=y4hu)
量化方法均为分层的线性量化。
目前量化模型的性能**仍有较大问题**，后期我们会对量化方法和模型进行更新
### p-tuningv2
官方提供了p-tuningv2的实现，新版本权重可以在hugging face上下载，也可以从我们的链接下载 [pretrain_model](https://pan.baidu.com/s/1WaG-NQeXVR7BNZs_zlUFmQ?pwd=h88g)
p-tuningv2的权重在
[ptuning_weight](https://pan.baidu.com/s/1Yf56egVGwI0XN2iOLcEGSQ?pwd=r4p0) ， 下载后解压到ckpt/ptuningv2目录下, 然后使用Doctor_GLM/chat_ptuning_v2.ipynb，根据需要调整quantization_bit为4或8
## 模型在线部署
为了方便部署并随时调整模型生成回答时的参数，我们提供了基于 `Gradio` 库的部署代码，路径为 `Doctor_GLM/gradio.ipynb`。运行之后，访问本机的7860或者代码声明的其他端口即可以运行Demo，模型在生成回答时的参数可以由用户自由调控。若想让部署的模型可以被局域网之外的其他用户访问，需要将sharing设置为 `True`（默认为`False`）。部署之后运行效果如下所示：
## 最近更新
- 
(2023.4.3) 初版的权重，来自LoRA SFT 1 epcoh
- 
(2023.4.13) LoRA-INT4/8量化权重，以及我们实验发现LoRA一直会丢失对话能力，放弃该方式，转向P-Tuning
- (2023.4.18) P-Tuning 多轮对话数据集训练的新权重和arxiv
## 即将到来的更新
- [ ] 
(2023.4.21) 对话中加入参考文献，模型上传到huggingface
第一次运行会下载chatGLM-6B权重, 如果已有chatGLM-6B权重可以将data_utils.py里的路径修改为自己的权重目录
## 结果示例
我们随机跑了100个结果，在 ./results目录下，两份json文件分别为由ChatGLM, DoctorGLM得到的结果，目前存在大量复读机。
## 引用
```
@article{xiong2023doctorglm,
title={Doctorglm: Fine-tuning your chinese doctor is not a herculean task},
author={Xiong, Honglin and Wang, Sheng and Zhu, Yitao and Zhao, Zihao and Liu, Yuxiao and Wang, Qian and Shen, Dinggang},
journal={arXiv preprint arXiv:2304.01097},
year={2023}
}
```