LLM学习资源库。使用pytorch和部分Tensorflow2实现，可以 本地运行和调试 的大模型LLM相关的应用
再次强调：强调本地调试、代码跳转、快速掌握LLM！basic_llm*和basic_run*分别是调试和运行模式
配套课程《AIGC大模型理论与工业落地实战》，relation
- 20240105：🐯feat(quickllm/projects/*):新增基于Neo4j知识图谱的KBQA对话系统项目
- 20231225：🐯feat(quickllm/layers/moe_by_transformers.py):新增MOE-transformers模块的Loss调试流程
- 20231225：🐯feat(basic_llm_moe_transformers.py):新增transformers包的Mixtral-8x7B/MOE源代码调试
- 20231222：🐯feat(quickllm/layers/multi_query_attention.py):添加调试transformers包MQA的方法
- 20231219：🐯feat(basic_language_model_moe*):MOE新增2维和3维数据的训练过程
- 20231218：🐯feat(quickllm/clients/vllm.py):添加vllm的api请求模块
- 20231214：🐯feat(README): 增加Qwen-TensorRT-LLM的链接和说明
- 20231213：🐯feat(quickllm/clients/triton_client*):添加ChatGLM系列triton服务基础代码
格式1. 只有一个脚本文件，将examples中的py脚本复制到quickllm文件夹的同级目录（当前项目根目录）
格式2. 如果调试脚本是个文件夹，推荐将依赖改成相对路径-格式1的形式；或者在需要使用from quickllm导包调用的脚本代码中添加父级目录
import sys
sys.path.append('/path/to/directory of quickllm') # quickllm文件夹的父级目录Time to debug Mixtral-7x8B-instruct-v0.1 models one line by one line immediately!
# -*- coding: utf-8 -*-
"""
@Project ：quickllm
@File ：basic_llm_moe_transformers.py
@Author ：ys
@Time ：2023/12/21 18:10
Mixtral-8x7B 模型中的moe部分，以下代码来自官方transformers库
"""
import torch
torch.manual_seed(123)
from quickllm.layers.moe_by_transformers import MixtralConfig
from quickllm.layers.moe_by_transformers import MixtralSparseMoeBlock
config = MixtralConfig()
moe = MixtralSparseMoeBlock(config)
hidden_states = torch.randn(4, 71, 4096)
hidden_states, router_logits = moe(hidden_states)
print(hidden_states.shape, router_logits.shape)安装依赖：
pip install -r requirements.txt -i https://pypi.douban.com/simple快速微调： 将examples/llm/task_chatglm2_lora.py文件转移至根目录下，添加断点，启动调试！
1. 定义config参数和配置、加载数据集（其他参数列表参考第三部分）；
chatglm2参数下载：https://huggingface.co/THUDM/chatglm2-6b；
chatglm2数据下载：https://cloud.tsinghua.edu.cn/f/b3f119/a008264b1cabd1/?dl=1
2.编写加载prompt、定义模型（训练和验证函数）
3.载入数据，启动训练和验证，调试代码，调试完成！保存修改脚本到examples，处理下一个
快速启动： 将examples/basic/glm/basic_language_model_chatglm2.py复制到根目录下，添加断点，启动调试！
# -*- coding: utf-8 -*-
"""
@Project ：quickllm
@File ：quickly_start.py
@Author ：ys
@Time ：2023/12/12 12:12
官方项目：https://github.com/THUDM/ChatGLM2-6B
"""
import os
import torch
from loguru import logging
from transformers import AutoTokenizer
from quickllm.models import build_transformer_model
from quickllm.generation import SeqGeneration
class ExpertModel:
def __init__(self):
self.prompt = "请以一位医疗领域知识图谱专家的角色回答以下问题："
self.choice = 'default' # default, int4, 32k
self.device = 'cuda' if torch.cuda.is_available() else 'cpu'
# 来自https://huggingface.co/THUDM/chatglm2-6b；
self.dir_path = "/path/to/my/pretrain_ckpt/glm/chatglm2-6B"
self.checkpoint_path = [os.path.join(dir_path, i) for i in os.listdir(dir_path) if i.endswith('.bin')]
# 来自项目中的：examples/basic/glm/chatglm2-6B/quickllm_config.json
self.config_path = dir_path + '/quickllm_config.json'
def build_prompt(self, history):
for query, response in history:
self.prompt += f"\n\n用户：{query}"
self.prompt += f"\n\nChatGLM-6B：{response}"
return self.prompt
def build_model(self):
tokenizer = AutoTokenizer.from_pretrained(self.dir_path.replace('/', '\\'), trust_remote_code=True)
if self.choice in {'default', '32k'}:
encoder = build_transformer_model(config_path=self.config_path,
checkpoint_path=self.checkpoint_path).half().to(device)
else:
encoder = build_transformer_model(config_path=self.config_path,
checkpoint_path=self.checkpoint_path).to(device)
model = SeqGeneration(encoder, tokenizer, start_id=None, end_id=tokenizer.eos_token_id, mode='random_sample',
maxlen=2048, default_rtype='logits', use_states=True)
return model
def chat(self, query, history):
prompt = ""
for i, (old_query, response) in enumerate(history):
prompt += "[Round {}]\n\n问：{}\n\n答：{}\n".format(i + 1, old_query, response)
prompt += "[Round {}]\n\n问：{}\n\n答：".format(len(history) + 1, query)
for response in self.build_model().stream_generate(prompt, topk=50, topp=0.7, temperature=0.95):
new_history = history + [(query, response)]
yield response, new_history
def main(self):
history = []
logging.info("----欢迎使用ChatGLM2-6B模型，修改prompt输入内容进行对话，clear清空对话历史，stop终止程序")
while True:
query = input("\nQuestion：")
if query.strip() == "stop":
break
if query.strip() == "clear":
history = []
print("----已清空历史对话----")
continue
for response, history in self.chat(query, history=history):
print(build_prompt(history), flush=True)
print(build_prompt(history), flush=True)
torch.cuda.empty_cache()
if __name__ == '__main__':
expert_bot = ExpertModel()
expert_bot.main()快速部署： 将examples/serving/basic_simple_web_serving_simbert.py文件转移至根目录下，添加断点，启动调试！
- 若无说明则使用huggingface官网中对应模型的
pytorch_model.bin和对应config.json
-
感谢Tongjilibo的bert4torch，本实现重点参考了这个项目，进行了优化和更新；项目会持续跟进bert4torch的最新实现
-
感谢苏神实现的bert4keras，有些地方参考了bert4keras的源码，在此衷心感谢大佬的无私奉献；大佬的科学空间
@misc{bert4torch, title={bert4torch}, author={Bo Li}, year={2022}, howpublished={\url{https://github.com/Tongjilibo/bert4torch}}, }
@misc{quickllm,
title={quickllm},
author={NLP小讲堂},
year={2022},
howpublished={\url{https://github.com/zysNLP/quickllm}},
}关注公众号《NLP小讲堂》，更多高效内容及时订阅，最新文章和视频同步，B站关注：
《Mixtral-8x7B-Instruct-v0.1的finetune微调实战》：参考借鉴Aurora，Firefly
《浅谈MOE的代码原理（一），是否足够对标self-attention？》参考借鉴：Mistral Transformers，Mixture of Expert
《Triton复杂又简单：把部署切成厚厚的薄片。。》参考借鉴：NGC Triton镜像，Triton Inference Server GitHub官网
《TensorRT-LLM：大模型推理加速必备》参考借鉴：Qwen-TensorRT原理，Qwen-TensorRT代码