Repository navigation
已经使用LoRa技术及进行了模型微调，产生了很多文件，如何使用微调后的模型呢？ #71
Description
Activity
同问，使用SFT或者LORA的脚本训练后，生产出的模型需要怎么进行Chat或者推理？似乎没办法再用model.chat的方式了，是不是需要对输入做一些前置处理？
同问，使用SFT或者LORA的脚本训练后，生产出的模型需要怎么进行Chat或者推理？似乎没办法再用model.chat的方式了，是不是需要对输入做一些前置处理？
试试下面的代码：
import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer
path = '/mnt/ly/project/MiniCPM/models/MiniCPM' # 替换你的基础模型路径
device = torch.device("cuda:2" if torch.cuda.is_available() else "cpu") # 一张显卡就 cuda:0加载基础模型
model = AutoModelForCausalLM.from_pretrained(path, torch_dtype=torch.float16, trust_remote_code=True).to(device)
tokenizer编码
tokenizer = AutoTokenizer.from_pretrained(path)
加载PEFT模型（基础模型， 微调后的模型）
model = PeftModel.from_pretrained(model, '/mnt/ly/project/MiniCPM/finetune/output/AdvertiseGenLoRA/20240227091142/checkpoint-15000').to(device)
while True:
content = input('请输入要查询的问题:\n')
responds, history = model.chat(tokenizer, content, temperature=0.5, top_p=0.8, repetition_penalty=1.02, eos_token_id=2, pad_token_id=2)
print(responds)
有结果了通知我一声，注意我打断点的地方，替换成你的模型路径：
同问，使用SFT或者LORA的脚本训练后，生产出的模型需要怎么进行Chat或者推理？似乎没办法再用model.chat的方式了，是不是需要对输入做一些前置处理？
试试下面的代码： import torch from peft import PeftModel from transformers import AutoModelForCausalLM, AutoTokenizer path = '/mnt/ly/project/MiniCPM/models/MiniCPM' # 替换你的基础模型路径 device = torch.device("cuda:2" if torch.cuda.is_available() else "cpu") # 一张显卡就 cuda:0
加载基础模型
model = AutoModelForCausalLM.from_pretrained(path, torch_dtype=torch.float16, trust_remote_code=True).to(device)
tokenizer编码
tokenizer = AutoTokenizer.from_pretrained(path)
加载PEFT模型（基础模型， 微调后的模型）
model = PeftModel.from_pretrained(model, '/mnt/ly/project/MiniCPM/finetune/output/AdvertiseGenLoRA/20240227091142/checkpoint-15000').to(device)
while True: content = input('请输入要查询的问题:\n') responds, history = model.chat(tokenizer, content, temperature=0.5, top_p=0.8, repetition_penalty=1.02, eos_token_id=2, pad_token_id=2) print(responds) 有结果了通知我一声，注意我打断点的地方，替换成你的模型路径：
您好，按照您的代码可以加载模型，但是模型推理耗时非常非常久（可能到几分钟一条），我按照教程训练的广告生成，训练了15000 steps（8 epochs），但是效果极其不好。请问这是因为什么呀？
15000step应该数据集一次还没迭代完吧？batch_size是1的话，并且使用一张卡。你的epoch=8是怎么算出来的？我现在也在微调，还没跑完，不知道结果怎么样呢。出来结果了我们可以对照一下
这是我训练的模型，输出也很烂，不知道是为什么？
这是我训练的模型，输出也很烂，不知道是为什么？
我是4张卡，--per_device_train_batch_size 2，lora的训练效果很差。
有没有试过全量微调啊，用float32的话大概需要多少显存？
- locked and limited conversation to collaborators
on Mar 11, 2024
Feature request / 功能建议
使用LoRa技术微调，产生了下面的这些文件，有没有使用微调后的模型和原始模型一起进行预测的代码呢？
