RISC-V 跑大模型（三）：LLaMA中文擴(kuò)展

這是RISC-V跑大模型系列的第三篇文章，前面我們?yōu)榇蠹医榻B了如何在RISC-V下運(yùn)行LLaMA，本篇我們將會(huì)介紹如何為L(zhǎng)LaMA提供中文支持。

1.模型擴(kuò)充

以下步驟在X86下進(jìn)行：

1.1準(zhǔn)備工作

安裝最新版本的python和以下依賴庫(kù)。

1.2模型下載

下載LLaMA原版模型和中文擴(kuò)充

LLaMA原版模型：

https://ipfs.io/ipfs/Qmb9y5GCkTG7ZzbBWMu2BXwMkzyCKcUjtEKPpgdZ7GEFKm/

中文擴(kuò)充：

https://huggingface.co/ziqingyang/chinese-alpaca-lora-7b

下載后的目錄如下：

1.3合并模型

(1) 將LLaMA原版模型轉(zhuǎn)換為Huggingface格式。這一步需要借助transformers提供的腳本convert_llama_weights_to_hf.py。

下載鏈接：https://github.com/huggingface/transformers/blob/main/src/transformers/models/llama/convert_llama_weights_to_hf.py

請(qǐng)執(zhí)行以下命令:

python convert_llama_weights_to_hf.py --input_dir path_to_original_llama_root_dir --model_size 7B --output_dir path_to_original_llama_hf_dir

命令解釋：將原版LLaMA的tokenizer.model放在--input_dir指定的目錄，其余文件放在${input_dir}/${model_size}下。執(zhí)行以下命令后，--output_dir中將存放轉(zhuǎn)換好的Huggingface版權(quán)重。

(2) 合并LoRA權(quán)重，生成Huggingface全量模型，這一步需要借助：merge_llama_with_chinese_lora.py。

下載鏈接：

https://github.com/ymcui/Chinese-LLaMA-Alpaca/blob/main/scripts/merge_llama_with_chinese_lora.py

執(zhí)行命令:

python merge_llama_with_chinese_lora.py --base_model path_to_original_llama_hf_dir --lora_model chinese-alpaca-lora-7b --output_dir path_to_output_dir

命令解釋：這一步的參數(shù)可以參照上一步。

2.移植模型

在完成前面的步驟后會(huì)得到一個(gè)path_to_output_dir的目錄，目錄內(nèi)容如下：

將目錄下的consolidate.00.path和params.json上傳到RISC-V中的llama.cpp/models目錄下，這一步可以借助scp來(lái)實(shí)現(xiàn)：scp “源文件路徑” 賬戶@地址:目的路徑。之后的步驟可以參考本系列的第二篇文章。鏈接如下：RISC-V 跑大模型（二）：LLaMA零基礎(chǔ)移植教程

最后的運(yùn)行效果：

3.結(jié)語(yǔ)

我們也為大家準(zhǔn)備好已經(jīng)擴(kuò)展了中文的LLaMA供大家使用，只要掃描下面的二維碼，進(jìn)群即可獲得下載地址。之后我們還會(huì)對(duì)LLaMA進(jìn)行優(yōu)化加速，敬請(qǐng)期待。

另外，RISC -V跑大模型系列文章計(jì)劃分為四期：

1.RISC -V跑大模型（一）

2.RISC-V 跑大模型（二）：LLaMA零基礎(chǔ)移植教程

3.RISC-V跑大模型（三）：LLaMA中文擴(kuò)充（本篇）

4.更多性能優(yōu)化策略。（計(jì)劃）

審核編輯 黃宇