README.md

metadata

language:
  - zh
tags:
  - chatglm
  - pytorch
  - zh
  - Text2Text-Generation
license: apache-2.0
widget:
  - text: |-
      介绍下北京
      答：

Chinese Spelling Correction LoRA Model

ChatGLM中文问答LoRA模型

chatglm-6b-belle-zh-lora evaluate test data：

The overall performance of chatglm-6b-belle-zh-lora on QA test:

input_text	predict
介绍下北京	北京是中国的首都，是中国的政治、文化和经济中心。它位于中国的北部，拥有悠久的历史和文化遗产，如故宫、长城和天坛等。北京也是中国最著名的城市之一，有着丰富的美食、文化和娱乐活动。北京还有许多旅游景点，如颐和园、圆明园和天坛等。北京是一个充满活力和机会的城市，吸引了来自全国和世界各地的人们前来探索。

在中文开放测试集中的表现优异，继承了两方面的优势：1）微调的底座是ChatGLM-6B模型，中文的表现优于LLAMA，2）微调使用的100万高质量的中文Belle数据集，微调后的模型对话效果优于原始ChatGLM-6B。

Usage

本项目开源在lmft项目：lmft，可支持ChatGLM模型，通过如下命令调用：

Install package:

pip install -U lmft

from lmft import ChatGlmModel
model = ChatGlmModel("chatglm", "THUDM/chatglm-6b", lora_name="shibing624/chatglm-6b-belle-zh-lora")
r = model.predict(["介绍下北京\n答："])
print(r) # ['北京是中国的首都，是中国的政治、文化和经济中心。...']

Usage (HuggingFace Transformers)

Without lmft, you can use the model like this:

First, you pass your input through the transformer model, then you get the generated sentence.

Install package:

pip install transformers 

import sys
from peft import PeftModel
from transformers import AutoModel, AutoTokenizer

sys.path.append('..')

model = AutoModel.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True, device_map='auto')
model = PeftModel.from_pretrained(model, "shibing624/chatglm-6b-belle-zh-lora")
model = model.half().cuda()  # fp16
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm-6b", trust_remote_code=True)

sents = ['介绍下北京\n答：',]
for s in sents:
    response = model.chat(tokenizer, s, max_length=128, eos_token_id=tokenizer.eos_token_id)
    print(response)

output:

介绍下北京
北京是中国的首都，是中国的政治、文化和经济中心。它位于中国的北部，拥有悠久的历史和文化遗产，如故宫、长城和天坛等。北京也是中国最著名的城市之一，有着丰富的美食、文化和娱乐活动。北京还有许多旅游景点，如颐和园、圆明园和天坛等。北京是一个充满活力和机会的城市，吸引了来自全国和世界各地的人们前来探索。

模型文件组成：

chatglm-6b-belle-zh-lora
    ├── adapter_config.json
    └── adapter_model.bin

训练数据集

1. 50万条中文ChatGPT指令Belle数据集：BelleGroup/train_0.5M_CN
2. 100万条中文ChatGPT指令Belle数据集：BelleGroup/train_1M_CN
3. 5万条英文ChatGPT指令Alpaca数据集：50k English Stanford Alpaca dataset
4. 2万条中文ChatGPT指令Alpaca数据集：shibing624/alpaca-zh
5. 69万条中文指令Guanaco数据集(Belle50万条+Guanaco19万条)：Chinese-Vicuna/guanaco_belle_merge_v1.0

如果需要训练ChatGLM模型，请参考https://github.com/shibing624/lmft

Citation

@software{lmft,
  author = {Xu Ming},
  title = {lmft: Implementation of language model finetune},
  year = {2023},
  url = {https://github.com/shibing624/lmft},
}