ChatGLM-LoRA-RLHF-PyTorch

项目介绍：ChatGLM-LoRA-RLHF-PyTorch

ChatGLM-LoRA-RLHF-PyTorch 是一个旨在利用商业硬件设备来微调 ChatGLM 大型语言模型的完整流程。该项目结合了 LoRA (Low-Rank Adaptation of Large Language Models) 和 RLHF (Reinforcement Learning from Human Feedback) 技术，以提升语言模型的性能。

环境配置

为了运行本项目，您需要以下环境配置：

• 显卡：2080Ti 12G
• 安装 torch==2.0.0
• 安装 cuda==11.8

计划列表

当前项目的发展计划如下：

• 完成监督微调 (Supervised Finetune, SFT)
• 将适配器合并到模型中
• 暂未完成的任务包括：
  • 使用强化学习进行调优

运行流程

项目的运行流程可以分为以下几个步骤：

数据处理

1. 数据集转化：将 alpaca 数据集转换为 JSONL 格式

   python cover_alpaca2jsonl.py --data_path data/alpaca_data.json --save_path data/alpaca_data.jsonl
   

2. 数据标记化：对数据集进行分词处理

   python tokenize_dataset_rows.py --jsonl_path data/alpaca_data.jsonl --save_path data/alpaca --max_seq_length 200 --skip_overlength True
   

监督微调

进行监督微调需要使用最新版本的 PEFT：

1. 安装最新 PEFT 版本（>=0.3.0.dev0）

   pip uninstall peft -y
   pip install git+https://github.com/huggingface/peft.git
   

2. 开始微调

   python supervised_finetune.py --dataset_path data/alpaca --lora_rank 8 --per_device_train_batch_size 1 --gradient_accumulation_steps 32 --save_steps 200 --save_total_limit 3  --learning_rate 1e-4 --fp16 --remove_unused_columns false --logging_steps 10 --output_dir output
   

将 PEFT 适配器合并到模型中

由于 PEFT 的不同版本可能导致问题，因此建议使用 0.2.0 版本来合并适配器。

pip uninstall peft -y
pip install peft==0.2.0
python merge_peft_adapter.py --model_name ./output

奖励模型

训练奖励模型，之后可以合并到总模型中：

python train_reward_model.py --model_name 'THUDM/chatglm-6b' --gradient_accumulation_steps 32 --per_device_train_batch_size 1 --train_subset 100 --eval_subset 10 --local_rank 0 --bf16 False

并将其合并：

python merge_peft_adapter.py --model_name ./reward_model_chatglm-6b

注意事项

1. PEFT 的最新版本在合并时可能会遇到问题，应使用版本 0.2.0。
2. Huggingface 的 Transformer 暂不支持 ChatGLM 的接口，需要从 ChatGLM 的代码库中手动获取代码。
3. Reward Model 的训练需要使用 SeqCLS 任务，推荐自定义实现。

参考资料

该项目在数据处理和环境配置上借鉴了下列项目的代码和结构：

• alpaca-lora
• ChatGLM-Tuning
• trl
• llama-trl

Star-History

项目的 Star 历史图：

捐赠

如果该项目对您的开发有所帮助，可以通过以下方式请我喝杯咖啡 :)

• 支付宝和微信的二维码位于项目的相关文件夹中。

许可证

本项目采用 MIT 许可证进行授权。