G-Retriever 项目使用教程
2024-09-28 19:27:06作者:庞队千Virginia
1. 项目的目录结构及介绍
G-Retriever 项目的目录结构如下:
G-Retriever/
├── dataset/
│ ├── preprocess/
│ └── expla_graphs/
├── figs/
├── src/
│ ├── dataset/
│ ├── model/
│ └── ...
├── .gitignore
├── LICENSE
├── README.md
├── inference.py
├── run.sh
├── train.py
└── ...
目录结构介绍
- dataset/: 包含数据预处理的脚本和数据集文件。
- preprocess/: 数据预处理脚本。
- expla_graphs/: 解释图数据集文件。
- figs/: 存放项目相关的图片文件。
- src/: 项目的主要源代码目录。
- dataset/: 数据集处理相关代码。
- model/: 模型定义和实现代码。
- .gitignore: Git 忽略文件配置。
- LICENSE: 项目许可证文件。
- README.md: 项目说明文档。
- inference.py: 推理脚本。
- run.sh: 运行脚本。
- train.py: 训练脚本。
2. 项目的启动文件介绍
run.sh
run.sh
是一个启动脚本,用于运行项目的代码并重现已发布的实验结果。使用方法如下:
./run.sh
该脚本会执行项目中的主要代码,确保实验结果的可重复性。
train.py
train.py
是项目的训练脚本,用于训练模型。使用方法如下:
python train.py --dataset scene_graphs --model_name graph_llm
参数说明:
--dataset
: 指定数据集,如scene_graphs
。--model_name
: 指定模型名称,如graph_llm
。
inference.py
inference.py
是项目的推理脚本,用于对模型进行推理。使用方法如下:
python inference.py --dataset scene_graphs --model_name inference_llm --llm_model_name 7b_chat
参数说明:
--dataset
: 指定数据集,如scene_graphs
。--model_name
: 指定模型名称,如inference_llm
。--llm_model_name
: 指定大语言模型名称,如7b_chat
。
3. 项目的配置文件介绍
src/model/__init__.py
src/model/__init__.py
文件中包含了模型的初始化配置。在训练或推理之前,需要在该文件中替换大语言模型的检查点路径。
环境配置
项目的环境配置通过 conda
进行管理。以下是环境配置的步骤:
conda create --name g_retriever python=3.9 -y
conda activate g_retriever
# 安装 PyTorch
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia
# 安装其他依赖
pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.0.1+cu118.html
pip install peft pandas ogb transformers wandb sentencepiece torch_geometric datasets pcst_fast
通过以上步骤,您可以成功配置项目的环境并开始使用 G-Retriever 进行训练和推理。
登录后查看全文
热门项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00HunyuanWorld-Mirror
混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
235
2.34 K

仓颉编译器源码及 cjdb 调试工具。
C++
113
80

暂无简介
Dart
537
117

React Native鸿蒙化仓库
JavaScript
216
291

Ascend Extension for PyTorch
Python
76
106

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
994
588

仓颉编程语言测试用例。
Cangjie
34
64

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
130
650