首页
/ 基于RLHF_in_notebooks项目的监督微调(SFT)实战指南

基于RLHF_in_notebooks项目的监督微调(SFT)实战指南

2025-07-08 06:34:16作者:秋阔奎Evelyn

什么是监督微调(SFT)

监督微调(Supervised Fine-Tuning)是强化学习人类反馈(RLHF)训练流程中的第一步关键环节。在RLHF框架中,SFT的主要作用是对预训练语言模型进行初步调整,使其更好地适应特定任务或领域。

环境准备

在开始SFT之前,我们需要准备以下组件:

  1. 基础模型:通常选择预训练好的语言模型,如GPT-2
  2. 数据集:用于微调的训练数据
  3. 分词器:与模型配套的分词工具
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = 'gpt2'
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

分词器使用详解

基础分词操作

分词器是NLP处理中的关键组件,它将原始文本转换为模型可以理解的数字序列:

text = "Hello, this is the first step of RLHF training."
tokens = tokenizer(text)
print(tokens)

批量处理

实际应用中,我们通常需要处理批量文本:

texts = ['Hello, this is the first step of RLHF training.', 
         'I have a dog', 
         'I also have a cat']
tokens_obj = tokenizer(texts)

数据集处理实战

加载标准数据集

我们使用SST-2(Stanford Sentiment Treebank)数据集作为示例:

from datasets import load_dataset
dataset_name = 'sst2'
ds = load_dataset(dataset_name)

数据集分割

将数据集划分为训练集和验证集是标准做法:

ds_train, ds_val = ds['train'], ds['validation']

数据集批处理

批处理可以显著提高训练效率:

# 获取前10个样本
ds_train[:10]

数据集分词处理

自定义分词函数

我们需要为数据集创建专门的分词函数:

def tokenize(batch):
    return tokenizer(batch['sentence'])

应用分词处理

使用map函数高效处理整个数据集:

map_kwargs = {
    'batched': True,
    'batch_size': 512,
    'remove_columns': ['idx', 'sentence', 'label']
}

tokenized_dataset_train = ds_train.map(tokenize, **map_kwargs)
tokenized_dataset_val = ds_val.map(tokenize, **map_kwargs)

数据过滤

过滤掉过短的样本可以提高训练质量:

tokenized_dataset_train = tokenized_dataset_train.filter(lambda x: len(x['input_ids']) > 5)
tokenized_dataset_val = tokenized_dataset_val.filter(lambda x: len(x['input_ids']) > 5)

数据加载器准备

设置PyTorch格式

将数据集转换为PyTorch张量格式:

tokenized_dataset_train.set_format(type='torch')
tokenized_dataset_val.set_format(type='torch')

填充(Padding)处理

处理变长序列是NLP中的常见需求:

# 检查填充token设置
print(tokenizer.pad_token)

# 使用EOS token作为填充token
tokenizer.pad_token = tokenizer.eos_token

关键技巧与注意事项

  1. 批量大小选择:根据GPU内存合理设置batch_size,通常从32或64开始尝试

  2. 序列长度过滤:过滤过短序列可以避免训练不稳定,但阈值需要根据任务调整

  3. 填充策略:使用EOS token作为填充token是常见做法,但要注意在计算损失时忽略填充部分

  4. 验证集重要性:始终保留验证集用于监控模型性能,防止过拟合

  5. 硬件考量:对于大型模型,可能需要使用梯度累积等技术来模拟更大的batch size

总结

监督微调是RLHF流程中至关重要的第一步。通过本教程,我们系统性地学习了如何:

  1. 初始化预训练模型和分词器
  2. 加载和处理文本数据集
  3. 实现高效的分词和批处理流程
  4. 准备适合模型训练的数据加载器

这些基础工作为后续的强化学习人类反馈阶段奠定了坚实基础。在实际应用中,可能需要根据具体任务调整数据处理细节,但核心流程保持一致。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
160
2.02 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
42
75
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
529
55
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
946
556
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
197
279
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
996
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
372
13
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71