手把手教学！云端部署自己训练好的ChatGPT模型

自从上一年出现的ChatGPT爆火之后，越来越多人开始期待能够训练一个自己的模型。但是由于OpenAI没有开源ChatGPT模型的代码，只能够调用其提供的API接口，因此想要训练自己的聊天机器人困难重重。

幸好，针对LLM的开源社区贡献了很多可以供我们自己训练的模型。比如Meta开源了对标GPT3模型的LLaMA模型，而斯坦福在其基础上，利用7B LLaMA模型和52K指令数据上进行微调，得到了Alpaca模型。并在评估中，其效果和ChatGPT模型类似。

但是Alpaca对于普通的用户而言，还是难以进行训练。因此又出现了Alpaca-Lora，让我们能够在消费级显卡中，几小时内就可以完成Alpaca的微调工作。

https://github.com/tloen/alpaca-lora

训练自己的模型

1.准备数据集

要训练自己的模型，首先要准备好数据集。这里面我们可以使用类似于instruct的方法，构造指令数据集结构：

比如我们可以直接使用开源的中文数据集：Chinese-alpaca-lora

https://github.com/LC1332/Chinese-alpaca-lora/blob/main/data/trans_chinese_alpaca_data.json

2.下载开源代码

我们可以直接使用Alpaca-LoRA 的代码

代码语言：javascript

复制

git clone https://github.com/tloen/alpaca-lora.git

把刚刚的数据集放到文件夹alpaca-lora目录下。

构造对应的python环境，同时安装依赖库：

代码语言：javascript

复制

conda create -n alpaca python=3.9
conda activate alpaca
cd alpaca-lora
pip install -r requirements.txt

保证pytorch版本可用，如果下面命令如果输出是True，则说明pytorch安装成功：

代码语言：javascript

复制

import torch
torch.cuda.is_available()

3.开启训练

在训练开启之前，我们需要先下载LLaMA基础模型，可以去到huggingface上进行下载：

https://huggingface.co/decapoda-research/llama-7b-hf/tree/main

由于国内有限制，只能一个一个把所有的文件进行下载，然后放到目录llama-7b-hf下：

开启训练模型，执行下面命令：

代码语言：javascript

复制

python finetune.py \
    --base_model 'llama-7b-hf' \
    --data_path './trans_chinese_alpaca_data.json' \
    --output_dir './lora-alpaca-zh'

• base_model：在huggingface中下载的模型
• data_path：数据集
• output_dir：微调过后，模型的输出目录

模型训练后，就可以看到 lora-alpaca-zh 有模型生成了

云端模型部署

在这里，可以直接利用kaggle部署模型。

首先把对应的模型、数据集和代码放到kaggle notebook中：

可以像我上面的部署一样，或者可以直接复制我的kaggle代码：

https://www.kaggle.com/code/llqdata/alpaca-lora

同时需要设置GPU，打开网络：

保存代码后，点击 Open logs in Viewer，等待一定时间：

打开日志中生成的网页，就可以得到对话网页了：

比如可以让它找出下面文章的主旨：

当然，这个网页可以在手机上运行的，这样就可以随时随地的和它进行对话了。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​