ChatGLM-6B的微调_调试chatglm-6b

基于ChatGLM-6B的部署教程的微调（因为模型和项目文件已经下载，就不重复操作了）

首先进入ChatGLM-6B的目录

1.安装前置依赖，相较于部署，需要多安装几个依赖

 
pip install -r requirements.txt
 
pip install rouge_chinese nltk jieba datasets

2.准备数据集

可以用自己的，我这里直接用官方给的数据集

自己的数据集需要满足此格式(json):

{
“content”: “类型#上衣版型#宽松版型#显瘦图案#线条衣样式#衬衫衣袖型#泡泡袖衣款式#抽绳”,
“summary”: “这件衬衫的款式非常的宽松，利落的线条可以很好的隐藏身材上的小缺点，穿在身上有着很好的显瘦效果。领口装饰了一个可爱的抽绳，漂亮的绳结展现出了十足的个性，配合时尚的泡泡袖型，尽显女性甜美可爱的气息。”
}

使用官方给的数据集

进入到ptuning目录下

 
cd ChatGLM-6B/ptuning

下载数据集

 
wget -O AdvertiseGen.tar.gz <https://cloud.tsinghua.edu.cn/f/b3f119a008264b1cabd1/?dl=1>

解压数据集

 
tar -xzvf AdvertiseGen.tar.gz

这样操作完之后就可以看到ptuning/AdvertiseGen目录下的数据集

3.修改训练文件参数，开始训练

修改train.sh这个文件的

 
-model_name_or_path THUDM/chatglm-6b \\
 
-per_device_train_batch_size 1 \\
 
-gradient_accumulation_steps 16 \\

看自己的显存大小来配置，这边是24g的显存，改为

 
-model_name_or_path 自己的模型路径 \\
 
-per_device_train_batch_size 24 \\
 
-gradient_accumulation_steps 2 \\

开始训练

 
bash [train.sh](<https://link.zhihu.com/?target=http%3A//train.sh/>)

等待大约5个小时，完成训练，会生成一个output文件，里面有几个checkpoint文件，就是此次训练的结果

4.验证推理模型

修改evaluate.sh文件

改为

-model_name_or_path 自己的模型路径 \

运行以下指令进行模型推理和评测：

 
bash evaluate.sh

等待1小时后，生成的结果保存在./output/adgen-chatglm-6b-pt-8-1e-2/generated_predictions.txt

5.使用训练好的模型，检验成果

修改web_demo.sh脚本

 
PRE_SEQ_LEN=128
 
CUDA_VISIBLE_DEVICES=0 python3 web_demo.py \\
--model_name_or_path 自己的模型路径 \\
--ptuning_checkpoint output/adgen-chatglm-6b-pt-128-2e-2/checkpoint-3000 \\
--pre_seq_len $PRE_SEQ_LEN

 
demo.queue().launch(share=True, inbrowser=True, server_port=27777, server_name="0.0.0.0")

启动后打开web demo测试

结果对比如下：

未进行训练前：

经过训练后：

很显然训练后的回答，更加的贴切，如果说买衣服的时候能有这样的客服的话，对销售方面还是很好的

比如那些遮肉显瘦，显腿细等关键词，是比较贴合女性的