LLaMA Factory+ModelScope实战——使用 Web UI 进行监督微调

LLaMA Factory+ModelScope实战——使用 Web UI 进行监督微调

文章原始地址：https://onlyar.site/2024/01/14/NLP-LLaMA-Factory-web-tuning/

引言

大语言模型微调一直都是一个棘手的问题，不仅因为需要大量的计算资源，而且微调的方法也很多。在尝试每种方法过程中，配置环境和第三方库也颇为麻烦。。而 LLaMA Factory1 是一个高效的大语言模型训练和推理的框架，不仅集成多种高效训练方法，而且能持续适配国内外各种开源大模型。该框架还提供了能够一站式实现大模型预训练、监督微调、评估、推理的 Web UI 界面，使用户能够直观地看到训练选项、模型数据集选项、训练进度等重要信息。

为方便国内用户使用，该框架支持了魔搭社区（ModelScope）的模型和数据集资源，训练前可自动下载并缓存资源。

而 Yi 系列大模型2是李开复博士创办的“零一万物”公司研发的首款开源大模型。参数规模有 6B 和 34B。其中的 Yi-34B 不仅支持 200K tokens 的超长窗口，更是在众多性能评测榜单上取得领先成绩。

本次我们基于 LLaMA Factory 框架，在一张 V100 显卡上使用 ModelScope 上支持的在线数据集对 Yi-6B 模型进行监督微调，使其获得对话能力。

环境准备

LLaMA Factory框架目前托管在 github 上，所以，我们要先使用 git 来安装 LLaMA Factory 开源框架：

git clone https://github.com/hiyouga/LLaMA-Factory.git

等待仓库下载完毕，进入仓库并安装所需依赖：

cd LLaMA-Factory
pip install -r requirements.txt

注意：截至文章编辑时（2024 年 1 月 22 日），该框架在使用最新版本的 torch 库时，会出现无法正常推理的情况。请根据您的硬件环境选择合适的 torch 版本进行安装，版本范围为 torch>=1.13.1,<=2.0.1。

Web UI 的使用

服务的启动

首先我们要在命令行里设置一个环境变量 USE_MODELSCOPE_HUB=1，框架程序在运行时会读取这个环境变量，当 USE_MODELSCOPE_HUB 的值为 1 时框架才会使用 ModelScope 在线资源。在 Windows 和 Linux 操作系统上，设置环境变量的命令是不同的，请二选其一：

export USE_MODELSCOPE_HUB