- 博客(2)
- 收藏
- 关注
原创 DataWhale大模型笔记
在这一段之前,我们已经从train.csv文件中,将数据集读取进来了,但是我们注意到这里只使用了第一列和第三列作为输入,将第五列作为输出。于是我们打开CSV文件,发现数据集的构成其实是由第0列(uuid),第1列(title),第二列(author),第三列(abstract),第四列(keywords)组成。这个时候我发现第一次不修改参数结果模型中存了一个1000步的模型,于是又使用这个Lora模型去跑,发现最后跑出来上到0.8出头。(在150,300步时能到到0.97,0.99的结果)
2023-08-25 20:19:23
252
1
原创 DataWhale笔记
在依照TopLine的代码跑通流程以后,最终在测试集上取得了相当接近满分的结果。这一段出现在模型训练这一部分,主要是判断是否有已经训练好的模型,这里我重新调参完之后要重新训练模型。在后续保存模型之后,如果要重新装载模型,只需要直接加载best_model.ckpt就可以了。如果最终想要使用Bert模型成功的完成这项文本二分类的任务,则还需要在原来代码的基础上调整超参数。在Bert拿到1分后,我尝试微调chatglm-6B的模型,但是目前调参结果得分只有0.8左右,效果甚至不如Bert,所以目前还在调参。
2023-08-22 16:12:12
53
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人