大模型之路2:继续趟一条小路

继续趟一条小路，可谓是充满了曲折，当然，必不可少的还是坑。

吐槽

看过的喷友，其实你看完以后，大概率也就是和我一起骂骂街，因为....我也的确没理清楚。

我也不知道做错了什么，就是运行不过去。然后。。。也不知道做对了什么，看起来好像前进了一点点，但就是没有到达美丽的彼岸。握草

部署环境的时候，似乎是有点坑的。一方面是版本兼容问题。另外我今天还遇到了几个没看懂的坑，感觉就像九九八十一难之后又来到了天坑悬崖边。

环境

安装torch等等就不多说了，任意搜都可以。然后一测试，通了，OK

import torch
x = torch.rand(5,3)
print(x)
torch.cuda.is_available()

测试

我是做了一个实体识别的测试。

# 测试推理和统计正确率
all_acc, all_recall = 0, 0
startRow = 0
read_row = 100
for i in range(startRow, len(txtLines)):if i > startRow + read_row:breaktxt = txtLines[i]print(i)json_item = json.loads(txt)labels = json_item['label']t_dict = {}for k in labels:t_label_dict = labels[k]t_dict[data[k]] = list(t_label_dict.keys())ret = predict(json_item['text'], showMsg = False) # 就是运行聊天，得到聊天结果#print("json_item['text'] = ", json_item['text'])print('label: ', t_dict)try:ret_dict = json.loads(ret)tKeys = list(ret_dict.keys())for k in tKeys:if ret_dict[k] in [ '未提供', '未知' , '无', '' ]:ret_dict.pop(k)print('识别结果', ret_dict)acc, recall = evaluate(t_dict, ret_dict)  # 就是我自己写了个简单的统计正确率和召回率all_acc += accall_recall += recallprint('acc= %.2f, recall=%.2f, all_acc=%.2f, all_recall=%.2f'%(acc, recall, all_acc/(i-startRow+1), all_recall/(i-startRow+1)))except Exception as e:print(e)

和预想的其实不一样。因为虽然是大模型，但是他未必会给我返回我想要的实体类型。这一点就比较头大，需要自己处理。

比如比较理想的情况下是这样，识别结果的类型都是我想要的。

label: {'组织机构': ['老挝家具协会'], '人名': ['育亭·维沙蓬'], '职位': ['会长']}
识别结果 {'地名': '老挝', '公司': '老挝家具协会', '人名': '育亭·维沙蓬', '职位': '会长'}

但是很多时候是下面这样：

label: {"人名":["吴湖帆", "吴待秋", "吴子深", "冯超然"]}
识别结果: {"name":["吴湖帆", "吴待秋", "吴子深", "冯超然"]}

或者是其他我不需要的类型名称，中英文也很随意。即使我在prompt里写上，“用中文”，效果仍然不能十分满意。

或许这也是微调的意义？

实体识别的具体内容可以参考这位网友的博客，计算机博士微调BaiChuan13B来做命名实体识别_baichuan max_new_tokens-CSDN博客

或者github （九零后，真年轻啊）：torchkeras/examples/BaiChuan13B_NER——transformers.ipynb at master · lyhue1991/torchkeras · GitHub

但是到了后面，我的运行出错了。

求救

艰难的调试过后，运行到这个地方还是可以的，看起来得到了结果。实际上崩溃才刚开始