首页
/ Effective LLM Alignment Toolkit 使用指南

Effective LLM Alignment Toolkit 使用指南

2025-04-19 09:27:47作者:胡易黎Nicole

1. 项目目录结构及介绍

Effective LLM Alignment Toolkit 的项目目录结构如下:

effective_llm_alignment/
├── accelerate/
│   ├── __init__.py
│   └── fsdp_gradop_config.yaml
├── deepspeed_configs/
│   └── ...
├── scripts/
│   ├── __init__.py
│   └── sft.py
├── src/
│   ├── __init__.py
│   ├── accelerate
│   ├── datasets
│   ├── prompts
│   ├── training
│   └── ...
├── training_configs/
│   └── sft/
│       └── sft-phi4-lora-GrandmasterRAG-v4.yaml
├── .gitignore
├── LICENSE
├── README.md
├── poetry.lock
└── pyproject.toml

目录说明:

  • accelerate/:包含加速训练的配置文件。
  • deepspeed_configs/:存放 DeepSpeed 的配置文件。
  • scripts/:包含启动训练脚本。
  • src/:源代码目录,包含模型定义、数据处理、提示符优化等模块。
  • training_configs/:训练配置文件目录。
  • .gitignore:Git 忽略文件列表。
  • LICENSE:项目许可证信息。
  • README.md:项目说明文件。
  • poetry.lock:Poetry 包管理工具的锁文件。
  • pyproject.toml:项目配置文件。

2. 项目的启动文件介绍

项目的启动文件位于 scripts/ 目录下,例如 sft.py。该文件是启动训练脚本的入口,它将读取配置文件,并执行模型训练的相关操作。

启动脚本的基本使用方法如下:

PYTHONPATH="${PYTHONPATH}:src/" poetry run accelerate launch --config_file accelerate/fsdp_gradop_config.yaml scripts/sft.py training_configs/sft/sft-phi4-lora-GrandmasterRAG-v4.yaml

参数说明:

  • PYTHONPATH:设置 Python 搜索路径,以便能够找到 src/ 目录下的模块。
  • poetry run:使用 Poetry 管理项目依赖。
  • accelerate launch:启动加速训练的命令。
  • --config_file:指定加速训练的配置文件。
  • scripts/sft.py:启动脚本文件。
  • training_configs/sft/sft-phi4-lora-GrandmasterRAG-v4.yaml:训练配置文件。

3. 项目的配置文件介绍

项目的配置文件位于 training_configs/ 目录下,例如 sft/sft-phi4-lora-GrandmasterRAG-v4.yaml。配置文件使用 YAML 格式,定义了训练过程中的各种参数。

以下是一个配置文件的示例:

model_name_or_path: "unsloth/Meta-Llama-3.1-8B-Instruct"
dataset:
  - "Vikhrmodels/GrandMaster-PRO-MAX"
  - "Vikhrmodels/Grounded-RAG-RU-v2"
train_only_on_completions: True
per_device_train_batch_size: 1
per_device_eval_batch_size: 1
num_train_epochs: 1
save_strategy: "steps"
save_steps: 400
save_total_limit: 6
learning_rate: 0.00004
gradient_accumulation_steps: 8
gradient_checkpointing: True
logging_steps: 1
remove_unused_columns: False
dataloader_num_workers: 2
save_only_model: True
generate_eval_examples: True
use_liger: True
max_seq_length: 16000
evaluation_strategy: "steps"
eval_steps: 400
run_name: "sft-grndmrag-llama-3.1-unsloth-lora-256-qkvogud"

参数说明:

  • model_name_or_path:指定预训练模型的路径。
  • dataset:训练数据集的路径列表。
  • train_only_on_completions:是否只训练完整回答。
  • per_device_train_batch_size:每个设备上的训练批次大小。
  • per_device_eval_batch_size:每个设备上的评估批次大小。
  • num_train_epochs:训练的轮数。
  • save_strategysave_stepssave_total_limit:模型保存的策略和步数限制。
  • learning_rate:学习率。
  • gradient_accumulation_steps:梯度累积的步数。
  • gradient_checkpointing:是否开启梯度检查点。
  • logging_steps:日志打印的步数。
  • remove_unused_columns:是否移除未使用的列。
  • dataloader_num_workers:数据加载器的工作线程数。
  • save_only_model:是否只保存模型。
  • generate_eval_examples:是否生成评估示例。
  • use_liger:是否使用 Liger 内核。
  • max_seq_length:最大序列长度。
  • evaluation_strategyeval_steps:评估策略和步数。
  • run_name:运行名称。
登录后查看全文
热门项目推荐

热门内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
260
RuoYi-Vue3RuoYi-Vue3
🎉 (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
854
505
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
254
295
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
kernelkernel
deepin linux kernel
C
21
5