前面我们部署了深度学习入门到放弃系列 - 阿里云人工智能平台PAI部署开源大模型chatglm3
,这一节分享一下如何根据官方资料微调ChatGLM3-6B。
LoRA微调
首先微调参考的官方推荐的微调方案和数据集,官方微调及数据集参考,只是按照官方的流程把微调跑通了。
切换到云服务器微调的目录下:
cd /opt/chatglm3/ChatGLM3/finetune_demo
# 激活虚拟环境
conda activate chatglm3_test
# 安装微调的环境
pip install -r requirements.txt
此时安装mpi4py包会报错,找了很多方法都没能解决。一怒之下把这个包删了,奇迹发生了,竟然能正常执行微调命令。所以你可以在requirements.txt直接删除mpi4py的安装包。
我们使用 AdvertiseGen 数据集来进行微调。本地下载数据集拖动到finetune_demo目录下并解压。解压命令:tar -xvf AdvertiseGen.tar.gz,并执行以下代码进行转换。
import json
from typing import Union
from pathlib import Path
def _resolve_path(path: Union[str, Path]) -> Path:
return Path(path).expanduser().resolve()
def _mkdir(dir_name: Union[str, Path]):
dir_name = _resolve_path(dir_name)
if not dir_name.is_dir():
dir_name.mkdir(parents=True, exist_ok=False)
def convert_adgen(data_dir: Union[str, Path], save_dir: Union[str, Path]):
def _convert(in_file: Path, out_file: Path):
_mkdir(out_file.parent)
with open(in_file, encoding='utf-8') as fin:
with open(out_file, 'wt', encoding='utf-8') as fout:
for line in fin:
dct = json.loads(line)
sample = {'conversations': [{'role': 'user', 'content': dct['content']},
{'role': 'assistant', 'content': dct['summary']}]}
fout.write(json.dumps(sample, ensure_ascii=False) + '\n')
data_dir = _resolve_path(data_dir)
save_dir = _resolve_path(save_dir)
train_file = data_dir / 'train.json'
if train_file.is_file():
out_file = save_dir / train_file.relative_to(data_dir)
_convert(train_file, out_file)
dev_file = data_dir / 'dev.json'
if dev_file.is_file():
out_file = save_dir / dev_file.relative_to(data_dir)
_convert(dev_file, out_file)
convert_adgen('AdvertiseGen', 'AdvertiseGen_fix')
在finetune_demo目录下按照单卡GPU运行如下命令进行LoRA微调,注意:在现有的16G显存的机器上内存会爆,所以需要调整一下训练的参数,参数在configs/lora.yaml下面,如下图我调整了这两个参数max_steps和per_device_train_batch_size。
# 微调命令
python finetune_hf.py AdvertiseGen_fix /opt/chatglm3/ChatGLM3/chatglm3-6b configs/lora.yaml
虽然最后训练成功了,但是训练很慢,大概有20-30分钟吧。所以有条件的可以去AutoDL租配置高些的服务器来玩,推荐4090的显卡来跑。
查看output输出的checkpoint文件,并使用微调的数据集进行推理
python inference_hf.py output/checkpoint-500/ --prompt "类型#裙*版型#显瘦*材质#网纱*风格#性感*裙型#百褶*裙下摆#压褶*裙长#连衣裙*裙衣门襟#拉链*裙衣门襟#套头*裙款式#拼接*裙款式#拉链*裙款式#木耳边*裙款式#抽褶*裙款式#不规则"
至此,使用lora微调结束。