一文彻底搞懂大模子 - LLaMA-Factory

LLaMA-Factory
如何高效地微调和部署大型语言模子（LLM）？LLaMA-Factory作为一个开源的微调框架，应运而生，为开发者提供了一个简便、高效的工具，以便在现有的预训练模子底子上，快速适应特定使命需求，提升模子表现。LLaMA-Factory作为一个功能强盛且高效的大模子微调框架，通过其用户友好的界面和丰富的功能特性，为开发者提供了极大的便利。
前排提示，文末有大模子AGI-CSDN独家资料包哦！

LLaMA-Factory
一、LLaMA-Factory
什么是LLaMA-Factory？LLaMA-Factory，全称Large Language Model Factory，即大型语言模子工厂。它支持多种预训练模子和微调算法，提供了一套完备的工具和接口，使得用户可以或许轻松地对预训练的模子进行定制化的训练和调整，以适应特定的应用场景，如智能客服、语音辨认、机器翻译等。

LLaMA-Factory

• 支持的模子：LLaMA-Factory支持多种大型语言模子，包括但不限于LLaMA、BLOOM、Mistral、Baichuan、Qwen、ChatGLM等。
  
• 集成方法：包括（增量）预训练、指令监督微调、奖励模子训练、PPO训练、DPO训练和ORPO训练等多种方法。
  
• 运算精度与优化算法：提供32比特全参数微调、16比特冻结微调、16比特LoRA微调和基于AQLM/AWQ/GPTQ/LLM.int8的2/4/8比特QLoRA微调等多种精度选择，以及GaLore、DoRA、LongLoRA、LLaMA Pro、LoRA+、LoftQ和Agent微调等先进算法。
  

LLaMA-Factory
LLaMA-Factory提供了简便明了的操纵界面和丰富的文档支持，使得用户可以或许轻松上手并快速实现模子的微调与优化。用户可以根据自己的需求选择不同的模子、算法和精度进行微调，以获得最佳的训练结果。

LLaMA-Factory
二、模子微调（Fine-Tuning）
如何利用LLaMA-Factory进行模子微调？利用LLaMA-Factory进行模子微调是一个涵盖从选择模子、数据加载、参数配置到训练、评估优化直至部署应用的全面且高效的流程。
1. 选择模子：根据应用场景和需求选择符合的预训练模子。

• 设置语言：进入WebUI后，可以切换到中文（zh）。
  
• 配置模子：选择LLaMA3-8B-Chat模子。
  
• 配置微调方法：微调方法则保持默认值lora，利用LoRA轻量化微调方法能极大程度地节省显存。
  

2. 加载数据：将准备好的数据集加载到LLaMA-Factory中。

• LLaMA-Factory项目内置了丰富的数据集，放在了data目录下。同时也可以自己准备自界说数据集，将数据处置处罚为框架特定的格式，放到指定的data目录下。
  

3. 配置参数：根据实际情况调整学习率、批次大小等训练参数。

• 学习率+梯度累积：设置学习率为1e-4，梯度累积为2，有利于模子拟合。
  
• 计算类型：如果是NVIDIA V100显卡，计算类型保持为fp16；如果利用了AMD A10系列显卡，可以更改计算类型为bf16。
  

• LoRA参数设置：设置LoRA+学习率比例为16，LoRA+被证明是比LoRA学习结果更好的算法。在LoRA作用模块中填写all，即将LoRA层挂载到模子的所有线性层上，提高拟合结果。
  

4. 开始训练：启动训练过程，并监控模子的训练进度和性能表现。

• 输出目录：将输出目录修改为train_llama3，训练后的LoRA权重将会保存在此目录中。
  
• 预览下令：点击「预览下令」可展示所有已配置的参数，如果想通过代码运行微调，可以复制这段下令，在下令行运行。
  
• 开始：点击「开始」启动模子微调。
  

• 训练完毕：启动微调后必要等待一段时间，待模子下载完毕后可在界面观察到训练进度和丧失曲线。模子微调约莫必要20分钟，表现“训练完毕”代表微调乐成。
  

5. 评估与优化：利用LLaMA-Factory提供的评估工具对模子性能进行评估，并根据评估结果进行针对性的优化。

• 刷新适配器：微调完成后，点击页面顶部的「刷新适配器」
  
• 适配器路径：点击适配器路径，即可弹出刚刚训练完成的LoRA权重，点击选择下拉列表中的train_llama3选项，在模子启动时即可加载微调结果。
  

• 评估模子：选择「Evaluate&redict」栏，在数据集下拉列表中选择「eval」（验证集）评估模子。
  
• 输出目录：更改输出目录为eval_llama3，模子评估结果将会保存在该目录中。
  
• 开始评估：最后点击开始按钮启动模子评估。
  

• 评估分数：模子评估约莫必要5分钟左右，评估完成后会在界面上表现验证集的分数。
  
• ROUGE分数：此中ROUGE分数衡量了模子输出答案（predict）和验证集中尺度答案（label）的相似度，ROUGE分数越高代表模子学习得更好。
  

6. 部署应用：将训练好的模子部署到实际应用场景中，实现其功能和价值。

• 加载模子：选择「Chat」栏，确保适配器路径是train_llama3，点击「加载模子」即可在Web UI中和微调模子进行对话。
  

• 卸载模子：点击「卸载模子」，点击“×”号取消适配器路径，再次点击「加载模子」，即可与微调前的原始模子聊天。
  

如何学习AI大模子 ？

“最先把握AI的人，将会比力晚把握AI的人有竞争上风”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少偕行后辈。帮助很多人得到了学习和成长。
我意识到有很多履历和知识值得分享给大家，故此将并将重要的AI大模子资料。包括AI大模子入门学习思维导图、精品AI大模子学习册本手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】