NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模

LLaMA 是 Meta Research 的一种新的开源语言模型，其性能与闭源模型一样好。 与 Stable Diffusion 类似，自该模型公开发布以来，已经进行了大量的实验和创新。 正如 Simon Willison 所阐述的那样，LLaMA 很容易在你自己的硬件上运行，大到足以发挥作用，并且开源到足以进行修补。

LLaMA 功能强大，但它不是为回答问题而构建的。 它的功能更像是一个花哨的自动完成版本，而不是一个对话机器人。 这就是斯坦福的Alpaca派上用场的地方。Alpaca是 LLaMA 的微调版本，可以响应 ChatGPT 等指令。 而且，与 LLaMA 一样，它是开源的。

问题是，Alpaca 的权重还没有发布，所以你不能修改它。 不过，我们确实拥有复制它所需的所有组成部分：LLaMA 权重、训练数据和训练脚本。

在这篇文章中，我们将向你展示如何训练 Alpaca，以便你可以在自己的机器上对其进行修改。

注意：LLaMA 和基于 LLaMA 构建的任何内容仅用于研究目的。 你不能用它来构建任何商业产品。

1、先决条件

  • LLaMA 权重。 它们仅供研究使用。 要申请访问权限，请填写Meta的这个表格。
  • GPU机器。 你需要一台配备一个或多个 80GB A100 GPU 的 Linux 机器。 如果你有一台有更多 GPU 的机器，它会更快——我们使用了四个。 我们在 Google Cloud 上取得了成功。 你可以在此处按照我们的说明进行操作。

2、克隆 Alpaca 存储库

我们创建了一个 Alpaca 存储库的分支，其中添加了一个 Cog 文件，该文件将为你设置所有依赖项。

通过 SSH 登录你的 GPU 实例。 通过运行克隆存储库：

git clone https://github.com/replicate/cog_stanford_alpaca
cd cog_stanford_alpaca

3、转换 LLaMA 权重

LLaMA 权重目前仅供研究使用。 要申请访问权限，请填写此表格。

将下载的权重放在名为 unconverted-weights 的文件夹中。 文件夹层次结构应如下所示：

unconverted-weights
├── 7B
│   ├── checklist.chk
│   ├── consolidated.00.pth
│   └── params.json
├── tokenizer.model
└── tokenizer_checklist.chk

使用以下命令将权重从 PyTorch 检查点转换为与transformer兼容的格式：

cog run python -m transformers.models.llama.convert_llama_weights_to_hf \
  --input_dir unconverted-weights \
  --model_size 7B \
  --output_dir weights

你最终的目录结构应该是这样的：

weights
├── llama-7b
└── tokenizermdki

4、训练Alpaca模型

开始训练：

cog run ./train_model.sh

这在四个 A100 上大约需要一个半小时，因此你可能想在模型训练时进行一些编程。

5、运行Alpaca模型

完成后，你可以运行 Alpaca：

$ cog predict -i prompt="Tell me something about alpacas."

Alpacas are a species of South American camelid and are closely related to llamas. They are smaller than llamas and have a finer fleece, which is used to make clothing and other crafts. Alpacas are social animals that live in herds and can come in two colors: white and brown. They are very easy to take care of and require minimal grooming.

6、后续环节

以下是你接下来可以做什么的一些想法：

  • 微调模型或约束解码器以创建用于特定任务的模型。
  • 尝试使用不同的界面与模型进行交互。 你在哪里可以和它说话？
  • 将模型推送到复制以在云中运行它。 如果你想要一个 API 来构建接口，或者并行运行大规模评估，这会很方便。 你需要将其保密，以免权重公开。
  • 请记住，你只能将 Alpaca 用于非商业研究。 最终，我们预计像这样的模型将以更宽松的许可证发布，允许它们用于各种各样的事情——聊天机器人、编码助手等等。

开源语言模型才刚刚起步，我们迫不及待地想看看你构建的内容。

原文链接：Train and run Stanford Alpaca on your own machine

BimAnt翻译整理，转载请标明出处