🔊 本仓库为2023年夏季学期AIGC课程创建，内含实验所需部分资料
🤖 时间安排
- 第一次实验课7月16日晚上
- 第二次实验课7月22日上午9点
🔉 实验要求：
- 完成Github Copilot工具的前期准备，获得Copilot工具使用权限，配置工具扩展
- 熟悉Github Copilot工具使用，体会Prompt构造的方法，使用Copilot工具编写一个2048游戏
Step1 注册GitHub: https://github.com ☝️为后续学生认证方便最好使用edu邮箱
Step2 认证Github Student Developer Pack: https://education.github.com/pack ☝️需要几天时间认证通过
- 登陆github主页，点击头像，侧边栏选择
Try Copilot，根据提示操作，如果出现下面烟花说明具备Copilot使用权限
Step3 安装并配置VS Code: https://code.visualstudio.com/download ☝️ 也可以选用自己熟悉的支持Copilot扩展的编程工具
- 在VS Code中搜索并安装Github Copilot扩展，并登陆自己的学生认证成功的Github账号即可使用
- 在VS Code中搜索并安装Remote SSH扩展，用于远程连接服务器
安装完成后，VS Code侧栏会出现小电脑图标，点击后会显示电脑配置的SSH连接
- 配置电脑SSH连接服务器
ssh -L post:localhost:host_port username@server_ip -p ssh_port是标准的SSH连接命令，其中post为本地端口，host_port为服务器端口，username为服务器用户名，server_ip为服务器ip地址，ssh_port为服务器SSH端口，每次连接服务器都需要输入密码和繁琐的SSH连接命令，为了方便，可以在本地配置SSH免密登录和别名登录，具体操作如下：
在本地生成SSH密钥对，如果已经有密钥对可以跳过这一步，否则在终端输入ssh-keygen -t rsa -C "[email protected]会在~/.ssh/目录下生成私钥id_rsa和公钥id_rsa.pub，将公钥id_rsa.pub内容复制到服务器~/.ssh/authorized_keys文件中，应该是ssh-rsa开头，[email protected]结尾，如果没有该文件则新建，然后在本地~/.ssh/config文件中添加如下内容：
Host server_alias
HostName server_ip
LocalForward post localhost:host_port
Port ssh_port
User username
IdentityFile ~/.ssh/id_rsa
其中server_alias为服务器别名，IdentityFile配置本地私钥路径（可以不写，默认是~/.ssh/id_rsa），用于配置连接多个服务器，配置完成后，可以直接在终端输入ssh server_alias连接服务器，如果配置成功，会直接进入服务器，无需输入密码和繁琐的SSH连接命令
此时VS Code侧栏小电脑图标会出现server_alias，点击后会显示服务器配置的SSH连接，点击即可连接服务器，远程编程
Github Copilot官方网站（含文档）: https://github.com/features/copilot
🔉 实验要求：
- 完成Chatglm-6B模型环境的配置，模型的本地部署，并通过命令行/web/api调用本地模型，下面任务2和3二选一，每人调优一个模型
- 了解Chatglm-6B模型微调所需数据的形式，模型微调的流程，使用Copilot工具爬取或生成微调数据数据，对模型进行P-Tuning/Fine-Tuning微调
- 了解LangChain工作机制，使用Copilot工具爬取或生成微调数据数据，对模型使用LangChain机制外挂知识库
- 每人出10个梗百科相关的问题
Step0 可以选择使用Miniconda管理编程环境
wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh使用conda -V检查是否安装成功，使用conda create -n aigc2023 python=3.9创建环境，conda activate aigc2023激活环境，conda deactivate退出环境
Step1 下载Chatglm-6B模型及代码
Chatglm官方网站: https://github.com/THUDM/ChatGLM-6B
git clone [email protected]:THUDM/ChatGLM-6B.git克隆项目代码到本地
激活aigc2023环境，pip install -r requirements.txt安装依赖
pip install huggingface_hub安装huggingface_hub，如果pip源无法连接可以尝试使用清华源pip install huggingface_hub -i https://pypi.tuna.tsinghua.edu.cn/simple
在./ChatGLM-6B/路径下创建文件夹mkdir chatglm-6b用于存放本地模型文件
python进入python交互环境，执行如下代码下载模型
from huggingface_hub import snapshot_download
snapshot_download(repo_id="THUDM/chatglm-6b", local_dir="./chatglm-6b/")查看模型文件，内含文件如下
可能用到的爬虫教程：https://mofanpy.com/tutorials/data-manipulation/scraping/
建议使用xpath解析网页，xpath教程：https://www.runoob.com/xpath/xpath-tutorial.html
# 爬取数据可以使用requests库
import requests
resp = requests.get(url, timeout=10)
# 解析HTML可以使用lxml库
from lxml import etree
html = etree.HTML(resp.text)
# 使用xpath寻找具体的文字，如标题：
question = html.xpath("//div[@class='da-title']/h2/text()")使用Copilot工具爬取数据，爬取的数据格式如下
模型微调的数据示例（json格式）：
{
"instruction": "解释一下这个梗",
"input": "泰裤辣",
"output": "泰裤辣，是“太酷啦”的意思。泰裤辣，源自于王琳凯在演唱会上说的一句话：“我是一个特别固执的人，我从来不会在意别人跟我说什么，让我去做。如果你也可以像我一样，那我觉得这件事情太酷啦！”由于这个“太酷啦”说的过于魔性，加上他的口音和发音，听起来像是“泰裤辣”，就被网友们戏称为“泰裤辣”。"
},
{
"instruction": "解释一下这个梗",
"input": "小镇贵妇",
"output": "小镇贵妇，这个梗衍生于小镇做题家，根据当前网友们所处环境总结出来的一个全新的网络词汇。小镇贵妇指的是在小镇上有车有房工作稳定的人，这些人虽然不是生活在大城市，但是生活却比那些大城市的人要轻松惬意的多。她们符合长辈满意甚至艳羡的全部要素，有房有车有稳定工作的前提下，生活富足并且嫁的很近。不需要初七就赶着就上班，不需要为了辛苦的工作而苦恼。比如，自己在大城市辛苦拼搏月薪两万，原本以为是同学当中的佼佼者，过年的时候回到家乡才发现远不如这些同学，心里的落差感一下就来了。最终也只能感叹一下：“月薪2万活得不如小镇贵妇，她们才是人生赢家。”"
}LangChain的数据示例（txt格式）：
泰裤辣，是“太酷啦”的意思。泰裤辣，源自于王琳凯在演唱会上说的一句话：“我是一个特别固执的人，我从来不会在意别人跟我说什么，让我去做。如果你也可以像我一样，那我觉得这件事情太酷啦！”由于这个“太酷啦”说的过于魔性，加上他的口音和发音，听起来像是“泰裤辣”，就被网友们戏称为“泰裤辣”。
小镇贵妇，这个梗衍生于小镇做题家，根据当前网友们所处环境总结出来的一个全新的网络词汇。小镇贵妇指的是在小镇上有车有房工作稳定的人，这些人虽然不是生活在大城市，但是生活却比那些大城市的人要轻松惬意的多。她们符合长辈满意甚至艳羡的全部要素，有房有车有稳定工作的前提下，生活富足并且嫁的很近。不需要初七就赶着就上班，不需要为了辛苦的工作而苦恼。比如，自己在大城市辛苦拼搏月薪两万，原本以为是同学当中的佼佼者，过年的时候回到家乡才发现远不如这些同学，心里的落差感一下就来了。最终也只能感叹一下：“月薪2万活得不如小镇贵妇，她们才是人生赢家。Chatglm-6B微调官方文档: https://github.com/THUDM/ChatGLM-6B/blob/main/ptuning/README.md
InstructGLM指令微调文档：https://github.com/yanqiangmiffy/InstructGLM
为合理利用gpu资源，建议使用单卡进行模型微调，操作如下：
指定gpu:1进行P-Tuning微调，将train.sh中的CUDA_VISIBLE_DEVICES=0改为CUDA_VISIBLE_DEVICES=1，执行bash train.sh即可开始微调，微调完成后会在./ChatGLM-6B/ptuning/路径下生成微调模型
PRE_SEQ_LEN=128
LR=2e-2
# CUDA_VISIBLE_DEVICES=0 python3 main.py \
CUDA_VISIBLE_DEVICES=1 python3 main.py \
--do_train \
--train_file AdvertiseGen/train.json \
--validation_file AdvertiseGen/dev.json \
--prompt_column content \
--response_column summary \
--overwrite_cache \
--model_name_or_path THUDM/chatglm-6b \
--output_dir output/adgen-chatglm-6b-pt-$PRE_SEQ_LEN-$LR \
--overwrite_output_dir \
--max_source_length 64 \
--max_target_length 64 \
--per_device_train_batch_size 1 \
--per_device_eval_batch_size 1 \
--gradient_accumulation_steps 16 \
--predict_with_generate \
--max_steps 3000 \
--logging_steps 10 \
--save_steps 1000 \
--learning_rate $LR \
--pre_seq_len $PRE_SEQ_LEN \
--quantization_bit 4指定gpu:1进行Fine-Tuning微调，将ds_train_finetune.sh中的deepspeed --num_gpus=4 --master_port $MASTER_PORT main.py改为deepspeed --include="localhost:1" --master_port $MASTER_PORT main.py，执行bash ds_train_finetune.sh即可开始微调，微调完成后会在./ChatGLM-6B/ptuning/路径下生成微调模型
Deepspeed官方文档: https://www.deepspeed.ai/getting-started/
LR=1e-4
MASTER_PORT=$(shuf -n 1 -i 10000-65535)
# deepspeed --num_gpus=4 --master_port $MASTER_PORT main.py \
deepspeed --include="localhost:1" --master_port $MASTER_PORT main.py \
--deepspeed deepspeed.json \
--do_train \
--train_file AdvertiseGen/train.json \
--test_file AdvertiseGen/dev.json \
--prompt_column content \
--response_column summary \
--overwrite_cache \
--model_name_or_path THUDM/chatglm-6b \
--output_dir ./output/adgen-chatglm-6b-ft-$LR \
--overwrite_output_dir \
--max_source_length 64 \
--max_target_length 64 \
--per_device_train_batch_size 4 \
--per_device_eval_batch_size 1 \
--gradient_accumulation_steps 1 \
--predict_with_generate \
--max_steps 5000 \
--logging_steps 10 \
--save_steps 1000 \
--learning_rate $LR \
--fp16Langchain-ChatGLM官方文档：https://github.com/imClumsyPanda/langchain-ChatGLM