在中文LLaMA模型上进行精调

最近在开源项目ymcui/Chinese-LLaMA-Alpaca的基础上完成了自己的中文模型精调工作，形成了两个工具共享给大家。ymcui/Chinese-LLaMA-Alpaca

构建指令形式的精调文件

如果用于精调，首先要准备精调数据，目标用途如果是问答，需要按问答格式准备数据。因此写了第一个工具，用于从xlsx文件中读取数据，并按形成json格式的问答数据。

原始文件内容格式

[
    {
        "instruction": "系统操作员，用户说：",
        "input": "我想查询我的xx记录",
        "output": "response:\n请稍后，正在对接相关服务\ncommand:\nsearch(\"xx查询接口\")"
    },
    ....
]

JSON文件的内容是一个对象数组，数组中的每一个对象包含instruction、input和output三个字段的内容，对应着一次对话中的提示，输入和输出。

因此我们的工具主要负责从目录中扫描所有xlsx文件，读取其中的内容，按行形成该格式的内容。

merge: 合并xls中的条目，形成用于微调的json文件 (gitee.com)https://gitee.com/bjf-fhe/merge

在线执行合并操作

形成数据文件之后，合并我们采用了在线利用Google Colab的方式，这里共享的是整体合并脚本

mege-chinese-llama/在线合并中文模型.ipynb at main · baijiafan/mege-chinese-llama (github.com)https://github.com/baijiafan/mege-chinese-llama/blob/main/%E5%9C%A8%E7%BA%BF%E5%90%88%E5%B9%B6%E4%B8%AD%E6%96%87%E6%A8%A1%E5%9E%8B.ipynb该脚本包含一些分支步骤，使用时请按指示选择不同的分支。

包括

1）第一次执行，执行ymcui/Chinese-LLaMA-Alpaca的合并步骤，形成中文基础模型，存储到Google Drive中

2）其他时候执行，则不用执行上述步骤，直接从Google Drive中加载相关模型

和选择不同存储方式等选项。

上述脚本会根据精调文本和基础模型形成精调后的Lora模型，该模型可以通过本地合并形成最终的中文精调模型。

为什么没有直接在线合并？我的建议是将lora模型拷贝回本地进行合并，一是因为合并的设备要求不高，在本地就可以完成，另外是因为lora模型的体量较完整模型小，我这里7B版本的原始合并模型在16G左右，精调权重大概1.5G，差很多，这样，在国内环境下，下载精调模型更容易一些。