Llama3-Tutorial之XTuner微调Llama3个人小助手

使用XTuner微调llama3模型。

参考https://github.com/SmartFlowAI/Llama3-Tutorial

1. web demo部署

已经完成web demo部署，进行对话测试, 当前回答基于llama3官方发布的模型进行推理生成：

2. 自我认知训练数据集准备

cd ~/Llama3-Tutorial
python tools/gdata.py 

生成了 ~/Llama3-Tutorial/data/personal_assistant.json 数据文件如下：

[
    {
        "conversation": [
            {
                "system": "你是一个懂中文的小助手",
                "input": "你是（请用中文回答）",
                "output": "您好，我是SmartFlowAI，一个由 SmartFlowAI 打造的人工智能助手，请问有什么可以帮助您的吗？"
            }
        ]
    },
    {
        "conversation": [
            {
                "system": "你是一个懂中文的小助手",
                "input": "你是（请用中文回答）",
                "output": "您好，我是SmartFlowAI，一个由 SmartFlowAI 打造的人工智能助手，请问有什么可以帮助您的吗？"
            }
        ]
    }
]

3.训练模型

cd ~/Llama3-Tutorial

# 开始训练,使用 deepspeed 加速，A100 40G显存 耗时24分钟
xtuner train configs/assistant/llama3_8b_instruct_qlora_assistant.py --work-dir /root/llama3_pth

# Adapter PTH 转 HF 格式,第一个是config，第二个是工作路径，第三个是转换后的存储路径
xtuner convert pth_to_hf /root/llama3_pth/llama3_8b_instruct_qlora_assistant.py \
  /root/llama3_pth/iter_500.pth \
  /root/llama3_hf_adapter

# 模型合并，第一原始llama3权重路径，第二huggingface格式的adapter路径，第三合并完成的路径
export MKL_SERVICE_FORCE_INTEL=1
xtuner convert merge /root/model/Meta-Llama-3-8B-Instruct \
  /root/llama3_hf_adapter\
  /root/llama3_hf_merged

 

4.推理验证，对应合并完成的路径

streamlit run ~/Llama3-Tutorial/tools/internstudio_web_demo.py \
  /root/llama3_hf_merged

此时 Llama3 拥有了他是自己打造的人工智能助手的认知。