代码收藏家 windows下实现对chatGLM-6B的微调
1、前言
默认读者已成功部署chatGLM-6B,如果没有部署完毕，请参阅下列文章（同为笔者所写）
https://blog.csdn.net/Asunazhang/article/details/130094252?spm=1001.2014.3001.5502
2、软件依赖
打开cmd切换至虚拟环境，调用下列代码安装依赖。
pip install rouge_chinese nltk jieba datasets
3、使用方法
3.1 下载数据集
从
https://link.zhihu.com/?target=https%3A//cloud.tsinghua.edu.cn/f/b3f119a008264b1cabd1/%3Fdl%3D1
下载处理好的 ADGEN 数据集，将解压后的 AdvertiseGen 目录放到本目录下。如下图所示。
3.2 训练
windows下需要读者安装git 。如何安装请自行bing。记得把git写入环境变量。
如果跟我一样用的是虚拟环境，请在虚拟环境下也安装一个git。
当git成功安装后，你就可以在windows命令行执行.sh文件了。
那么在训练前，打开chatGLM文件夹，在进入ptuning文件夹，右键train.sh，打开方式选择记事本，你会看到train.sh中含有下图所示的文件。
参数含义：
PRE_SEQ_LEN 预序列长度
LR 学习率
do_train 是否进行训练
do_eval 是否进行预测
train_file 训练文件相对地址
validation_file 验证文件相对地址
prompt_column prompt 提示信息字段
response_column 响应信息字段
overwrite_cache 重写数据集缓存。
model_name_or_path 模型名称或模型地址
output_dir 训练好的模型保存的地址
per_device_train_batch_size 每个设备上的训练批次大小 在实际的训练过程中3090显卡可以把这个参数开到4。
之后修改train.sh中的文件。
--train_file AdvertiseGen/train.json \
--validation_file AdvertiseGen/dev.json \
还需要修改
--model_name_or_path ../model \
如果你的项目目录和我相同，那么使用…/退出即可寻找到model，model里存放的是模型。如果此处报错，那你也可选择默认路径，但是要注意确保你的C盘有20G的余量下载模型。
此外，如果你在执行bash操作时，没有错误信息也没有执行代码，直接跳转到下一次输入，可以尝试将python3 main.py中的3去掉。
笔者就因为这个python3 ，找错找了5个小时。
当训练开始后，如果你是默认Int4精度，官方文档给出的代码需要跑4个小时（3090ti），如果是半精度，那么需要11个小时。就笔者情况来看，目前只有这两种方式可调。具体修改精度方式为：打开train.sh，如果你需要修改为半精度，那么将最后一行注释掉即可。同时，上文也提到，在大于3090显卡上，可以将per_device_train_batch_size参数开到4。
3.3 推理
同样需要修改文件。
笔者需要修改python3 –>python
如果训练时，选择默认Model_name_or_path，那么不需要修改。如果修改model路径，请选择和训练时相同的路径。
最后同样是–quantization_bit4 看个人情况修改。
之后，在quantization_bit4 的情况下，你大约需要推理1个小时。
4、验证
之后你就可以启动你的chatGLM。笔者在经过这一系列微调后，最终实现的效果如下图：
那么至此，chatGLM_6B的官方文档微调已经实现。
