LLaMA-Adapter

LLaMA-Adapter

轻量级适配方法高效微调大语言模型

LLaMA-Adapter是一种高效的大语言模型微调方法。通过在LLaMA模型中插入适配器,仅引入120万个可学习参数,1小时内即可将LLaMA转化为指令跟随模型。该方法提出零初始化注意力机制,稳定早期训练。LLaMA-Adapter支持多模态输入,拓展应用场景。与全量微调相比,在参数量和训练时间上具显著优势,同时保持相当性能。

LLaMA-Adapter微调大语言模型指令跟随多模态Github开源项目

LLaMA-Adapter:高效微调LLaMA 🚀

公告:我们发布了 LLaMA2-Accessory,一个用于预训练微调部署 大语言模型多模态大语言模型的开源工具包。🔥

'LLaMA-Adapter:使用零初始化注意力进行语言模型的高效微调''LLaMA-Adapter V2:参数高效的视觉指令模型'的官方实现。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/6fa8bcaf-6fe0-427d-95e4-60ab335e4492.png"/ width="100%"> <br> </p>

本仓库提出了LLaMA-Adapter (V2),一种用于微调指令跟随多模态LLaMA模型的轻量级适配方法🔥。

试用LLaMA-Adapter的网页演示🤗:Hugging Face Spaces, LLaMA-Adapter V2ImageBind-LLM

加入我们的微信群!

新闻

  • [2024.01.18] LLaMA-AdapterICLR 2024接收!🎉
  • [2023.12.08] 我们发布了OneLLM,使用统一框架将八种模态对齐到语言。🔥🔥🔥
  • [2023.11.11] 我们发布了SPHINX,一个新的多模态大语言模型,是LLaMa-Adapter-V2的一次巨大飞跃。🔥🔥🔥
  • [2023.10.11] 我们发布了LLaMA-Adapter V2.1,这是LLaMA-Adapter V2的改进版本,具有更强的多模态推理性能。详情请查看llama_adapter_v2_multimodal7b
  • [2023.08.28] 我们使用OmniQuant发布了量化LLM,这是一种高效、准确和全方位(甚至极低位)的量化算法。多模态版本即将推出。🔥🔥🔥
  • [2023.07.24] 我们发布了**LLaMA2-Accessory,一个用于预训练**、微调部署 大语言模型多模态大语言模型的开源工具包。详情请查看Alpha-VLLM/LLaMA2-Accessory!🔥🔥🔥
  • [2023.07.05] 我们发布了llama_adapter_v2_multimodal7b的预训练/微调代码。
  • [2023.07.04] 我们发布了通过全量微调和LLaMA-Adapter重现Gorilla的代码,请参见gorilla/README.md
  • [2023.06.08] 我们发布了ImageBind-LLM的演示
  • [2023.06.06] 我们发布了Point-Bind以扩展ImageBind到3D点云,为imagebind_LLM实现3D指令跟随能力。
  • [2023.06.05] 我们支持LLaMA-Adapter(V1和V2)与LangChain的集成。查看Notebook
  • [2023.05.29] 我们在imagebind_LLM发布了ImageBind-LLM的代码。
  • [2023.05.23] 我们发布了LLaMA-Adapter V2的演示多模态代码!
  • [2023.05.05] 我们发布了新工作Personalize Segment Anything的论文和代码,该工作可以在10秒内高效微调Segment Anything,并改进DreamBooth以实现更好的文本到图像生成
  • [2023.04.30] 我们注意到GPT-4评估对第一个回答有很强的位置偏见。我们将很快更新论文以揭示这种位置偏见。非常感谢Canwen Xu
  • [2023.04.28] 我们发布了LLaMA-Adapter V2,一个多模态指令模型。查看我们的论文演示代码!
  • [2023.03.28] LLaMA-Adapter V1论文训练代码已发布。 📌

已发布模型

名称方法数据模态视觉文本
LLaMA-Adapter V1前缀,门控Alpaca文本×LLaMA-7B
LLaMA-Adapter V2 对话缩放,偏置,归一化ShareGPT文本×LLaMA-65B
LLaMA-Adapter V2 多模态[预训练] 前缀,投影,门控 <br />[微调] 偏置,归一化[预训练] Image-Text-V1<br />[微调] GPT4LLM, LLaVA图像&文本CLIP-ViT-L/14LLaMA-7B
LLaMA-Adapter V2.1 多模态[预训练] 前缀,投影,门控 <br />[微调] 偏置,归一化,LoRA[预训练] Image-Text-V1<br />[微调] GPT4LLM, LLaVA, VQAv2图像&文本CLIP-ViT-L/14LLaMA-7B
ImageBind-LLM[预训练] 前缀,投影,门控<br />[微调] 偏置,归一化,LoRA[预训练] Image-Text-V1<br />[微调] 指令跟随ImageBind模态 + 点云imagebind_hugeOpen-Chinese-LLaMA-7B
ImageBind-对话[预训练] 前缀,投影,门控<br />[微调] 偏置,归一化,LoRA[预训练] Image-Text-V1<br />[微调] LLaVA, ShareGPTImageBind模态 + 点云imagebind_hugeOpen-Chinese-LLaMA-7B
  • [预训练]表示训练,[微调]表示
  • Image-Text-V1是LAION400M、COYO、MMC4、SBU、Conceptual Captions和COCO的组合
  • ImageBind模态包括图像、视频、文本、音频、深度、热成像、IMU
  • ImageBind-对话将很快发布

概述

效率比较:

模型参数量存储空间训练时间
Alpaca7B13G3小时
LLaMA-Adapter1.2M4.7M1小时

通过在LLaMA的transformer中插入adapters,我们的方法只引入了1.2M可学习参数,并在1小时内将LLaMA转变为一个指令跟随模型。为了稳定早期阶段的训练,我们提出了一种新颖的零初始化注意力,通过零门控机制自适应地融入指令信号。微调后,LLaMA-Adapter可以生成高质量的指令跟随句子,与全量微调的Stanford AlpacaAlpaca-Lora相当。

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/9bc76bd0-9286-41de-8849-cbc47b62372d.png"/ width="90%"> </div>

我们的方法可以简单地扩展到多模态输入指令。以下是图像条件LLaMA-Adapter在ScienceQA上的推理框架,这也适用于其他模态,如音频和视频。

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/c79b1c97-3378-4e94-9820-ebfdaae53a45.png"/ width="90%"> </div>

设置

这里是LLaMA-Adapter V1的从头开始的脚本。

conda create -n llama_adapter -y python=3.8 conda activate llama_adapter # 安装pytorch conda install pytorch cudatoolkit -c pytorch -y # 安装依赖和llama-adapter pip install -r requirements.txt pip install -e .

注意如需设置其他模型,请参考llama_adapter_v2_chat65bllama_adapter_v2_multimodal7bimagebind_LLM了解更多详情。

推理

请通过此表单(官方)申请访问预训练的LLaMA,或从Hugging Face(非官方)下载LLaMA-7B。然后,从这里获取我们的LLaMA-Adapter权重。我们将下载的LLaMA权重路径和适配器路径分别表示为TARGET_FOLDERADAPTER_PATH

以下是使用7B LLaMA模型和我们的LLaMA-Adapter生成指令遵循句子的示例:

torchrun --nproc_per_node 1 example.py \ --ckpt_dir $TARGET_FOLDER/model_size\ --tokenizer_path $TARGET_FOLDER/tokenizer.model \ --adapter_path $ADAPTER_PATH

训练

我们在这里发布了LLaMA-7B模型上LLaMA-Adapter的简单微调代码,以便轻松复现,依赖项最少。我们很快将发布LLaMA-65B和多模态LLaMA-Adapter的微调代码。

请从Standford Alpaca下载52K指令遵循训练数据,并将其放在DATA_PATH下。然后运行:

cd alpaca_finetuning_v1 torchrun --nproc_per_node 8 finetuning.py \ --model Llama7B_adapter \ --llama_model_path $TARGET_FOLDER/ \ --data_path $DATA_PATH/alpaca_data.json \ --adapter_layer 30 \ --adapter_len 10 \ --max_seq_len 512 \ --batch_size 4 \ --epochs 5 \ --warmup_epochs 2 \ --blr 9e-3 \ --weight_decay 0.02 \ --output_dir ./checkpoint/

与其他方法的比较

指令1:

如何提高我的批判性思维技能?给我三个建议。

  • LLaMA-Adapter V2:
  1. 广泛阅读:阅读书籍、文章和其他信息来源可以帮助你提高批判性思维技能。通过接触不同的观点和想法,你可以学会更有效地分析和评估信息。

  2. 练习正念:正念是指专注当下并关注自己的思想和感受的练习。通过更多地意识到你的思想和情感,你可以更好地理解和评估它们。这可以帮助你形成更客观和理性的思考方式。

  3. 参与开放式讨论:加入讨论小组或辩论俱乐部,在那里你可以与他人进行开放式讨论。这可以通过挑战你的假设并鼓励你考虑不同的观点来帮助你提高批判性思维技能。

  • LLaMA-Adapter V1:
  1. 广泛而批判性地阅读。
  2. 与持不同观点的人进行讨论。
  3. 提出问题并寻求答案。

指令2:

作为一个超级英雄,你会如何向一个好奇的孩子解释你的起源故事?

  • LLaMA-Adapter V2:

作为一个超级英雄,我有一个非常有趣和激动人心的起源故事要和你分享。从前,有一个名叫约翰的小男孩住在一个小镇上。约翰一直很好奇,想要帮助他人,所以他每天都在探索周围的世界,了解不同的文化和人们。有一天,当他外出探险时,偶然发现了一个神秘的洞穴。在洞穴里,约翰发现了一个奇怪的装置,它能赋予他难以置信的能力。有了这些能力,约翰可以飞行、从眼睛里射出激光,甚至变得隐形。

约翰知道他必须善用这些力量,所以他决定成为一个超级英雄,用他的能力保护他的小镇和那里的居民。他开始每天训练,学习如何使用他的力量以及如何对抗邪恶。最终,约翰成为了人们所知的"隐形人"超级英雄,他用自己的力量帮助他人,让世界变得更美好。

这就是我的起源故事,我相信你会喜欢的!

  • LLaMA-Adapter V1:

从前,有一个拥有特殊能力的小男孩。他用他的能力帮助需要帮助的人并保护无辜者。他成为了人们所知的超级英雄,用他的力量与邪恶作斗争,保护这个世界。

指令3:

告诉我关于羊驼的信息。

  • LLaMA-Adapter:羊驼是骆驼科动物的一种,原产于南美洲的安第斯山脉。它们通常生活在10-20只动物组成的群体中,以其温和的性格和在恶劣气候中生存的能力而闻名。羊驼通常呈白色或灰色,有长而柔软的毛发。它们还以能产出高质量的羊毛而闻名,这种羊毛被用于生产服装和其他产品。

指令4:

告诉我关于2019年墨西哥总统的信息。

  • LLaMA-Adapter:2019年墨西哥的总统是安德烈斯·曼努埃尔·洛佩斯·奥夫拉多尔(Andrés Manuel López Obrador),他于2018年12月1日就职。他是左翼政党墨西哥国家复兴运动(Morena)的成员,以其民粹主义政策而闻名。他致力于打击腐败、减少贫困和改善国家基础设施。他还一直是美国移民政策的强烈批评者。

指令5:

编写一个打印前10个斐波那契数的Python程序。

  • LLaMA-Adapter
def fibonacci(): a = 0 b = 1 for i in range(10): a, b = b, a + b print(a, b) print("斐波那契数列:", a, b) fibonacci()

指令6:

编写一个程序,打印从1到100的数字。但对于3的倍数,打印"Fizz"而不是数字;对于5的倍数,打印"Buzz"。对于既是3的倍数又是5的倍数的数字,打印"FizzBuzz"。

  • LLaMA-Adapter
def print_numbers(n): for i in range(1, 101): if i % 3 == 0 and i % 5 == 0: print("FizzBuzz") elif i % 3 == 0: print("Fizz") elif i % 5 == 0: print("Buzz") else: print(i)
<details><summary>其他方法</summary>
  • Alpaca-LoRA:
for i in range(1, 101): if i % 3 == 0 and i % 5 == 0: print("FizzBuzz") elif i % 3 == 0: print("Fizz") elif i % 5 == 0: print("Buzz") else: print(i)
  • Stanford Alpaca:
for i in range(1, 101): if i % 3 == 0 and i % 5 == 0: print('FizzBuzz') elif i % 3 == 0: print('Fizz') elif i % 5 == 0: print('Buzz') else: print(i)
  • text-davinci-003:
for (let i = 1; i <= 100; i++) { if (i % 3 === 0 && i % 5 === 0) { console.log("FizzBuzz"); } else if (i % 3 === 0) { console.log("Fizz"); } else if (i % 5 === 0) { console.log("Buzz"); } else { console.log(i); } }
</details>

贡献者

高鹏韩佳明张任瑞周奥君

招聘公告

🔥 我们正在招聘上海人工智能实验室通用视觉组的实习生、博士后和全职研究人员,主要关注多模态和视觉基础模型。如果您有兴趣,请联系gaopengcuhk@gmail.com

引用

如果您发现我们的LLaMA-Adapter代码和论文有用,请引用:

@article{zhang2023llamaadapter, title = {LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention}, author={Zhang, Renrui and Han, Jiaming and Liu, Chris and Gao, Peng and Zhou, Aojun and Hu, Xiangfei and Yan, Shilin and Lu, Pan and Li, Hongsheng and Qiao, Yu}, journal={arXiv preprint arXiv:2303.16199}, year={2023} }

如果您发现我们的LLaMA-Adapter V2代码和论文有用,请引用:

@article{gao2023llamaadapterv2, title = {LLaMA-Adapter V2: Parameter-Efficient Visual Instruction Model}, author={Gao, Peng and Han, Jiaming and Zhang, Renrui and Lin, Ziyi and Geng, Shijie and Zhou, Aojun and Zhang, Wei and Lu, Pan and He, Conghui and Yue, Xiangyu and Li, Hongsheng and Qiao, Yu}, journal={arXiv preprint arXiv:2304.15010}, year={2023} }

致谢

本仓库得益于LLaMAStanford AlpacaAlpaca-Lora。感谢他们出色的工作。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多