XTuner 微调个人小助手认知-CSDN博客

本文链接：https://blog.csdn.net/sq8912/article/details/140778684

一、环境安装

pip install -U 'xtuner[deepspeed]'

查看版本：

二、模型认知微调

1.生成自我认知数据：

import json

# 设置用户的名字
name = 'LateBird同学'
# 设置需要重复添加的数据次数
n =  3750

# 初始化数据
data = [
    {"conversation": [{"input": "请介绍一下你自己", "output": "我是{}的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦".format(name)}]},
    {"conversation": [{"input": "你在实战营做什么", "output": "我在这里帮助{}完成XTuner微调个人小助手的任务".format(name)}]}
]

# 通过循环，将初始化的对话数据重复添加到data列表中
for i in range(n):
    data.append(data[0])
    data.append(data[1])

# 将data列表中的数据写入到'datas/assistant.json'文件中
with open('datas/assistant.json', 'w', encoding='utf-8') as f:
    # 使用json.dump方法将数据以JSON格式写入文件
    # ensure_ascii=False 确保中文字符正常显示
    # indent=4 使得文件内容格式化，便于阅读
    json.dump(data, f, ensure_ascii=False, indent=4)

2.修改配置文件

（1）列出所有预定义配置文件

xtuner list-cfg -p internlm2

（2）复制配置文件

xtuner copy-cfg internlm2_chat_1_8b_qlora_alpaca_e3 .

（3）修改配置文件

a.模型路径修改：

  pretrained_model_name_or_path = 'Shanghai_AI_Laboratory/internlm2-1_8b'

b.数据集修改：

data_files = ['datas/pretrain.json']

c.evaluation_inputs修改：

evaluation_inputs = ['请介绍一下你自己', 'Please introduce yourself']

（4）启动微调

xtuner train ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py

（5）模型格式转换

模型转换的本质其实就是将原本使用 Pytorch 训练出来的模型权重文件转换为目前通用的 HuggingFace 格式文件，那么我们可以通过以下命令来实现一键转换。

MKL_SERVICE_FORCE_INTEL=1 MKL_THREADING_LAYER=GNU xtuner convert pth_to_hf ./internlm2_chat_1_8b_qlora_alpaca_e3_copy.py ./work_dirs/internlm2_chat_1_8b_qlora_alpaca_e3_copy/iter_384.pth ./hf

转换后的模型如下：

（6）模型合并

对于 LoRA 或者 QLoRA 微调出来的模型其实并不是一个完整的模型，而是一个额外的层（Adapter），训练完的这个层最终还是要与原模型进行合并才能被正常的使用。

 MKL_SERVICE_FORCE_INTEL=1 MKL_THREADING_LAYER=GNU xtuner convert merge /root/InternLM/XTuner/Shanghai_AI_Laboratory/internlm2-chat-1_8b ./hf ./merged --max-shard-size 2GB