Alpaca LoRA RLHF PyTorch下载 - Alpaca LoRA RLHF PyTorch源码下载

Alpaca LoRA RLHF PyTorch

Ai源码

1.0.0

下载

羊驼-LoRA-RLHF-PyTorch

在消费类硬件上使用 LoRA 和 RLHF 微调 Alpaca LLM 的完整流程

羊驼-LoRA-RLHF-PyTorch
- 目录
- 环境设置
- 待办事项列表
- 跑步
  - 监督微调
  - 将 PEFT 适配器合并到模型中
  - 训练奖励模型
    - 将奖励适配器合并到模型中
  - 使用 PPO 调整 LM
- 笔记
- 参考
- 明星历史
- 捐款
- 执照

环境设置

穷人卡：2080Ti 12G
torch==2.0.0
cuda==11.8

待办事项列表

跑步

监督微调

 check src/peft/utils/save_and_load.py , Only comment the line 52 to # #to_return = {k: v for k, v in to_return.items() if (("lora_" in k and adapter_name in k) or ("bias" in k))}

python supervised_finetune.py --base_model ' decapoda-research/llama-7b-hf ' --data_path ' yahma/alpaca-cleaned ' --output_dir ' ./lora-alpaca ' --num_epochs 1

将 PEFT 适配器合并到模型中

pip uninstall peft -y
pip install peft==0.2.0  # 0.3.0.dev0 raise many errors
python merge_peft_adapter.py --model_name ./alpaca-lora

训练奖励模型

 python train_reward_model.py --model_name 'decapoda-research/llama-7b-hf' --gradient_accumulation_steps 32 --per_device_train_batch_size 1 --train_subset 100 --eval_subset 10 --local_rank 0 --bf16 False

将奖励适配器合并到模型中

python merge_peft_adapter.py --model_name ./alpaca-lora-reward-model

使用 PPO 调整 LM

python tuning_lm_with_rl.py --model_name ' ./lora-alpaca-adapter-merged ' --reward_model_name ' ./lora-alpaca-reward-model-adapter-merged ' --adafactor False --tokenizer_name ' decapoda-research/llama-7b-hf ' --save_freq 100 --output_max_length 128 --batch_size 1 --gradient_accumulation_steps 1 --batched_gen True --ppo_epochs 1 --seed 0 --learning_rate 1.4e-5 --early_stopping True --output_dir ' ./checkpoints/tuning_llama_rl '

笔记

第一步SFT之前，切记一些注意事项，需要检查下安装的peft代码， src/peft/utils/save_and_load.py ，如果第52行有这行代码#to_return = {k: v for k, v in to_return .items() if ((k 中的“lora_”和 k 中的适配器名称) 或 (k 中的“bias” k))}，将其注释掉，否则在需要finetune完成之后，保存不了适配器模型的参数。切记！
PEFT的版本，目前从git上安装的是0.3.0.dev0版本，在merge_peft_adapter的时候出现问题，需要切换到peft==0.2.0（0.3.0.dev0没有_get_submodules()这个函数）
训练奖励模型的时候会发生另一个问题： ValueError: Weight is on the meta device, we need a value to put in on 0. 需要参看 Transformer 在github上的最新代码，我在发现这个问题的时候，隔天发现在transformer的github上8小时前才刚刚修复了这个问题。
最后一步，代码上基本是ok的，但是本人只有2080Ti的卡，加载完成finetune模型之后，再加载Reward模型的时候直接CUDA内存不足了，所以自动执行。