Win10微调大语言模型ChatGLM2-6B

在《Win10本地部署大语言模型ChatGLM2-6B-CSDN博客》基础上进行，官方文档在这里，参考了这篇文章
首先确保ChatGLM2-6B下的有ptuning

 AdvertiseGen下载地点1，地点2，文件中数据留几行

模型文件下载地点 （注意：ChatGLM2-6B对话用到的的模型文件不能简朴的用到这里，bin文件可以复用，但其他文件一定要重新下载，否则要报一些错)

anaconda prompt中运行，进行假造环境

1. cd /d D:\openai.wiki\ChatGLM2-6B
2. conda activate D:\openai.wiki\ChatGLM2-6B\ENV

复制代码

运行微调除 ChatGLM2-6B 的依赖之外，还需要安装以下依赖

1. pip install rouge_chinese nltk jieba datasets

复制代码

先相识一下train.sh(仅在Linux中利用)内里各行的意义

1. PRE_SEQ_LEN=128 #  soft prompt 长度
2. LR=2e-2     # 训练学习率
3. NUM_GPUS=2  # GPU卡的数量
5. torchrun --standalone --nnodes=1 --nproc-per-node=$NUM_GPUS main.py \
6.     --do_train \   # 执行训练功能，还可以执行评估功能
7.     --train_file AdvertiseGen/train.json \   # 训练文件目录
8.     --validation_file AdvertiseGen/fval.json \   # 验证文件目录
9.     --prompt_column content \       # 训练集中prompt提示名称，对应训练文件，测试文件的"content"
10.     --response_column summary \      # 训练集中答案名称，对应训练文件，测试文件的"summary"
11.     --overwrite_cache \              # 缓存，重复训练一次的时候可删除
12.     --model_name_or_path THUDM/chatglm-6b \  # 加载模型文件目录，也可修改为本地模型的路径
13.     --output_dir output/adgen-chatglm-6b-pt-$PRE_SEQ_LEN-$LR \    # 保存训练模型文件目录
14.     --overwrite_output_dir \     # 覆盖训练文件目录
15.     --max_source_length 64 \     # 最大输入文本的长度
16.     --max_target_length 128 \
17.     --per_device_train_batch_size 1 \    # batch_size 训练批次根据显存调节
18.     --per_device_eval_batch_size 1 \     # 验证批次
19.     --gradient_accumulation_steps 16 \   # 梯度累加的步数
20.     --predict_with_generate \
21.     --max_steps 3000 \    # 最大训练模型的步数
22.     --logging_steps 10 \  # 多少步打印日志一次
23.     --save_steps 1000 \    # 多少步保存模型一次
24.     --learning_rate $LR \  # 学习率
25.     --pre_seq_len $PRE_SEQ_LEN \
26.     --quantization_bit 4   # 量化，也可修改为int8

复制代码

 Windows下用以下的train.bat
因我的电脑显存只有8G，故将per_device_train_batch_size改为8
去掉--quantization_bit 4

1. set PRE_SEQ_LEN=128
2. set LR=1e-4
4. python main.py ^
5.     --do_train ^
6.     --train_file AdvertiseGen/train.json ^
7.     --validation_file AdvertiseGen/dev.json ^
8.     --preprocessing_num_workers 10 ^
9.     --prompt_column content ^
10.     --response_column summary ^
11.     --overwrite_cache ^
12.     --model_name_or_path D:\\openai.wiki\\ChatGLM2-6B\\ptuning\\THUDM\\chatglm2-6b ^
13.     --output_dir D:/openai.wiki/ChatGLM2-6B/ptuning/output ^
14.     --overwrite_output_dir ^
15.     --max_source_length 64 ^
16.     --max_target_length 128 ^
17.     --per_device_train_batch_size 8 ^# batch_size 训练批次根据显存调节
18.     --per_device_eval_batch_size 1 ^
19.     --gradient_accumulation_steps 16 ^
20.     --predict_with_generate ^
21.     --max_steps 3000 ^
22.     --logging_steps 10 ^
23.     --save_steps 1000 ^
24.     --learning_rate %LR% ^
25.     --pre_seq_len %PRE_SEQ_LEN%

复制代码

进入ptuning文件夹

1. cd ptuning

复制代码

运行train.bat，即可开始训练（有问题的话继承今后看）

1. train.bat

复制代码

 可能碰到的几个问题

• 问题一
  

TypeError: JsonConfig.init() got an unexpected keyword argument 'use_auth_token’
办理方式

1. pip uninstall datasets
2. pip install datasets==2.21.0

复制代码

• 问题二
  

name ‘round_up‘ is not defined
办理方式
将train.bat中的–quantization_bit 4删除
或者pip install cpm_kernels

• 问题三
  

AttributeError: ‘ChatGLMModel‘ object has no attribute ‘prefix_encoder‘
办理方式
https://huggingface.co/THUDM/chatglm2-6b/tree/main
下载除bin文件以外的最新文件

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。