Update README.md

README.md

@@ -1,24 +1,27 @@
-方案：
-全参数微调，使用不同数据集训练多个模型和推理时增强进行融合。
+夸克网盘 docker链接：https://pan.quark.cn/s/4cda395f13e8  
+(没有会员请联系我下载)
 
 
-训练代码：
-LLaMA-Factory.zip 解压后使用，可参照https://github.com/hiyouga/LLaMA-Factory配置环境，或将代码映射到docker中使用。
-训练：train.sh。将数据集放到LLaMA-Factory/data文件夹下，将train.sh放到LLaMA-Factory下使用。
-推理： python inference.py(需在inference.py中修改好模型路径。) test_case.json是从题目中提取出来的测试用例。
+1.使用llama-factory对九格模型进行全参数微调。数据集见dataset
 
-百度网盘需要收费，使用阿里云盘
-model_wight:通过百度网盘分享的文件：
-链接：https://pan.baidu.com/s/1paYNO7d5OYESuyw3BVo7Ew 
-提取码：6666
-https://www.alipan.com/s/FTPWUSBuz7s
+2.训练和推理都已验证无误，在A100*8卡机器上。
+docker 启动：sudo docker run -it --runtime=nvidia --gpus all --shm-size=256g wjf:train
+推理：python inference.py
+训练：
+cd training
+sh training.sh
 
-docker:
-链接：https://pan.baidu.com/s/1paYNO7d5OYESuyw3BVo7Ew 
-提取码：6666
-https://www.alipan.com/s/FTPWUSBuz7s
 
-train_data:
-链接：https://pan.baidu.com/s/1paYNO7d5OYESuyw3BVo7Ew 
-提取码：6666
-https://www.alipan.com/s/FTPWUSBuz7s
+3.推理使用多checkpoint、多次推理融合。
+
+4.所有资料都已打包进docker，只需要docker即可。
+
+5.启动训练时将覆盖提交的checkpoint。
+
+6.docker卡在数据处理可能是机器的问题，尝试docker中输入：
+export NCCL_DEBUG=INFO
+export NCCL_SHM_DISABLE=1
+export NCCL_P2P_DISABLE=1
+由于需要保存多个checkpoint，请务必保证磁盘空间足够，大于500G。
+
+7.提交不易，请有问题是及时联系我（电话：13121813131）

inference.py

@@ -211,10 +211,11 @@ def get_result_1(model, tokenizer):
     
 
 answers = {}
-for model_path in [
-  "/mnt/disk2/home/wujianfeng/LLaMA-Factory/all_new_1/checkpoint-600",
-  "/mnt/disk2/home/wujianfeng/LLaMA-Factory/all_new/checkpoint-600/",
 
+for model_path in [
+    "/mnt/disk2/home/wujianfeng/LLaMA-Factory/all/TACO/",
+    "/mnt/disk2/home/wujianfeng/LLaMA-Factory/all_new_2/CodeNet4Repair/",
+    "/mnt/disk2/home/wujianfeng/LLaMA-Factory/all_new_1/CodeExercise-Python-27k/",  
 ]:
     print("model_path: ", model_path)
     model = AutoModelForCausalLM.from_pretrained(
@@ -234,14 +235,21 @@ for model_path in [
     test, score = exec_code(test)
     answers[score] = test
 
-
+'''
+import os
+for path in os.listdir("./"):
+    if "home-wujianfeng" in path: 
+        with open(path, "r") as f:
+            test = json.load(f)
+        answers[float(path.split(".")[-2].split("-")[-1])] = test
+''' 
     
 answers = list(dict(sorted(answers.items())).values())
 print("answers: ", answers)
 right = 0
 jiuge_right = 0
 merge = []
-for i in range(len(answers)):
+for i in range(len(answers[0])):
 #for i in range(2):
     flag = 0
     for answer in answers:
@@ -257,7 +265,7 @@ for i in range(len(answers)):
          
 
 
-print(right / len(answers), jiuge_right / len(answers))
+print(right / len(answers[0]), jiuge_right / len(answers[0]))
 with open("wjf_jiuge.jsonl", "w") as f:
     for item in merge:
         item.pop("result")

model_final_url.txt

@@ -0,0 +1,14 @@
+model_wight:通过百度网盘分享的文件：
+链接：https://pan.baidu.com/s/1paYNO7d5OYESuyw3BVo7Ew 
+提取码：6666
+#https://www.alipan.com/s/FTPWUSBuz7s
+
+docker:
+链接：https://pan.baidu.com/s/1paYNO7d5OYESuyw3BVo7Ew 
+提取码：6666
+#https://www.alipan.com/s/FTPWUSBuz7s
+
+train_data:
+链接：https://pan.baidu.com/s/1paYNO7d5OYESuyw3BVo7Ew 
+提取码：6666
+#https://www.alipan.com/s/FTPWUSBuz7s