多模态大模型的微调初体验- GPT 模型微调实战指南

0x00 前言

在这个基础上， 更有高手通过微调，做出了首个会看胸部X光片的中文多模态医学大模型。恰逢最近看到6b的多模态模型的微调方法开源，于是进行初步的体验，为接下来的深入学习做准备。

0x01 环境准备

硬件配置建议

• 处理器：推荐使用第 12 代 Intel Core i7 或更高配置
• 内存：建议 48GB 以上（尽管 16GB 也可以，但加载模型速度较慢）
• 显卡：显存 24GB 以上（qlora只需要9.8GB显存即可微调。）

部署环境

使用nvidia-docker部署最新的pytorch，切记不要使用真实环境，一旦出现包存在问题，导致回滚会非常浪费时间。

检验： 依次输入以下命令，查看环境是否部署好：

nvidia-smi 查看显卡是否能够正常识别

pytorch 查看显卡是否能够正常识别

0x02 模型准备

训练脚本：https://github.com/THUDM/VisualGLM-6B/tree/main/finetune

模型： https://github.com/THUDM/VisualGLM-6B

使用 pip 安装依赖：pip install -r requirements.txt

等待安装完成后，基本工作就做完了。

0x03 训练数据准备

官方提供了 fewshot-data.zip 的文件，解压后，即可得到20张图片以及1个json

训练的输入如图：img为图片地址， prompt 是问题，label是答案，

确认OK后，执行，看到如下字样后，开始就训练了。

0x04 训练结果

由于是20张图，训练结果非常快，大概几分钟就训练好了，回答效果如下

感觉非常惊人，这是训练前的结果：

于是我有拿起了视觉模型常见的安全挑战项目，验证码识别。

但是可惜这次效果比较一般，虽然它已经知道我是识别验证码，但是识别的能力很弱，甚至是全部都只能回答出来 3cnp8。

又试了一下打思想钢印， 废了好一阵子，还没打上 - - 。

0x05 思考

1. 短短几个月的微调使得模型从单一的文本模型转变为了多模态模型，并且表现出不俗的效果能力。

2. 在这次微调过程中，一些最新的技术直接引入，比如微软的DeepSpeed和Qlora，未来，可能个人训练一个拥有65B参数的模型也不是不可能。

3. 教程和代码发布的时间不久，我们还有很多数据和方法需要尝试。本文只是初步尝试的结果，待模型经过更深层次的训练后我们将会分享更多成果。

​

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI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。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。