--- datasets: - Skepsun/lawyer_llama_data language: - zh --- # 模型摘要 本模型是基于llama3.1-8B-Chinese-Chat预训练模型基础上再次训练的法律条文模型。 * 基础型号:llama3.1-8B-Chinese-Chat * 模型尺寸:8B * 上下文长度:128K(由Meta-Llama-3.1-8B-Instruct 模型报告,未经我们的中文模型测试) # 简介 本模型基于llama3.1-8B-Chinese-Chat预训练模型,在法律条文数据集上进行了微调,使用的微调算法是LoRA。
训练框架:unsloth
训练参数: ```python per_device_train_batch_size = 2, # 每个设备的训练批量大小 gradient_accumulation_steps = 4, # 梯度累积步数 warmup_steps = 5, max_steps = 60, # 最大训练步数,测试时设置 # num_train_epochs= 5, # 训练轮数 logging_steps = 10, # 日志记录频率 save_strategy = "steps", # 模型保存策略 save_steps = 100, # 模型保存步数 learning_rate = 2e-4, # 学习率 fp16 = not torch.cuda.is_bf16_supported(), # 是否使用float16训练 bf16 = torch.cuda.is_bf16_supported(), # 是否使用bfloat16训练 optim = "adamw_8bit", # 优化器 weight_decay = 0.01, # 正则化技术,在损失函数中添加正则化项来减小权重的大小 lr_scheduler_type = "linear", # 学习率衰减策略 seed = 3407, # 随机种子 ``` # 使用方法 ## 使用python脚本下载BF16模型: ```python from huggingface_hub import snapshot_download snapshot_download(repo_id="basuo/llama-law", ignore_patterns=["*.gguf"]) # Download our BF16 model without downloading GGUF models. ``` 模型推理: ```python import torch from unsloth import FastLanguageModel model, tokenizer = FastLanguageModel.from_pretrained( model_name = "/Your/Local/Path/to/llama-law", max_seq_length = 2048, dtype = torch.float16, load_in_4bit = True, ) FastLanguageModel.for_inference(model) ``` ```python alpaca_prompt = """ 下面是一项描述任务的说明,配有提供进一步背景信息的输入。写出一个适当完成请求的回应。 ### Instruction: {} ### Input: {} ### Response: {} """ inputs = tokenizer( [ alpaca_prompt.format( "没有赡养老人就无法继承财产吗?", # instruction "", # input "", # output ) ], return_tensors = "pt").to("cuda") outputs = model.generate(**inputs, max_new_tokens = 64, use_cache = True) tokenizer.batch_decode(outputs) ``` ```js ['\n下面是一项描述任务的说明,配有提供进一步背景信息的输入。写出一个适当完成请求的回应。\n\n### Instruction:\n没有赡养老人就无法继承财产吗?\n\n### Input:\n\n\n### Response:\n\n不是的,根据《中华人民共和国继承法》规定,继承人应当履行赡养义务,未履行赡养义务的,应当承担赡养费用。因此,如果没有赡养老人,继承人可以继承财产,但需要承担'] ``` ## GGUF模型 1. 从模型文件中下载GGUF文件; 2. 将GGUF模型与LM Studio或Ollama结合使用;