SkyThought 开源项目教程

SkyThought 开源项目教程

SkyThought Sky-T1: Train your own O1 preview model within $450 项目地址: https://gitcode.com/gh_mirrors/sk/SkyThought

1. 项目的目录结构及介绍

SkyThought 项目是一个开源的人工智能模型训练和评估框架。项目目录结构如下：

• assets/: 存储项目相关的资源文件。
• examples/: 包含示例代码和数据集，用于演示如何使用 SkyThought。
• recipes/: 包含数据处理的步骤和训练策略，用于构建模型。
• scripts/: 存储一些脚本文件，用于辅助数据处理、模型训练等任务。
• skythought/: 核心代码库，包括模型训练、评估和数据生成的相关代码。
  • evals/: 数据生成和评估库，提供命令行界面（CLI）和评分器（Scorer）API。
  • train/: 模型训练脚本，使用 Llama-Factory 进行训练。
  • skythought-rl/: 强化学习训练代码，用于训练 Sky-T1-7B 和 Sky-T1-mini 模型。
• .gitattributes: 指定如何处理不同类型的文件。
• .gitignore: 指定 Git 忽略的文件和目录。
• LICENSE: Apache-2.0 许可证文件。
• README.md: 项目说明文件。
• format.sh: 格式化脚本文件。
• pyproject.toml: Python 项目配置文件。
• uv.lock: uv 工具的锁文件。

2. 项目的启动文件介绍

在 SkyThought 项目中，并没有一个单一的启动文件。项目通过不同的脚本和命令来进行模型的训练和评估。以下是一些主要的启动方式：

• 使用 pip 安装 SkyThought 包后，可以通过命令行调用 skythought 命令来进行模型的评估：

  skythought evaluate --model NovaSky-AI/Sky-T1-32B-Preview --task aime24
  

• 要开始模型训练，需要进入 skythought/train 目录，并运行相应的训练脚本。例如：

  python train.py
  

3. 项目的配置文件介绍

项目的配置主要通过 pyproject.toml 文件进行，这是一个 Python 项目配置文件，它定义了项目的元数据和依赖项。以下是一个简化的配置文件示例：

[project]
name = "SkyThought"
version = "0.1.0"
description = "An open-source AI model training and evaluation framework."
authors = [
    "NovaSky Team <novasky@example.com>"
]
dependencies = [
    "numpy",
    "torch",
    "transformers"
]

这个配置文件指定了项目的名称、版本、描述、作者和依赖项。这些信息用于帮助用户理解和设置项目环境。在实际应用中，pyproject.toml 文件可能包含更多的配置细节。

SkyThought Sky-T1: Train your own O1 preview model within $450 项目地址: https://gitcode.com/gh_mirrors/sk/SkyThought