AI开发平台MODELARTS-SFT微调数据处理:数据处理具体操作

时间：2024-04-30 18:09:28

AI开发平台MODELARTS

数据处理具体操作

SFT全参微调数据处理具体操作步骤如下。

创建处理后的数据存放目录/home/ma-user/ws/processed_for_ma_input/Qwen-14B/data/finetune/

cd /home/ma-user/ws/  #进入容器工作目录
mkdir -p processed_for_ma_input/Qwen-14B/data/finetune

进入代码目录“/home/ma-user/ws/xxx-Ascend/llm_train/AscendSpeed/ModelLink/”，在代码目录中执行preprocess_data.py脚本处理数据。

此处提供一段实际的数据处理代码示例如下。

#加载ascendspeed及megatron模型
export PYTHONPATH=$PYTHONPATH:/home/ma-user/ws/xxx-Ascend/llm_train/AscendSpeed/AscendSpeed
export PYTHONPATH=$PYTHONPATH:/home/ma-user/ws/xxx-Ascend/llm_train/AscendSpeed/ModelLink
#进入到ModelLink目录下
cd /home/ma-user/ws/xxx-Ascend/llm_train/AscendSpeed/ModelLink/ 
#执行以下命令 
python ./tools/preprocess_data.py \
  --input /home/ma-user/ws/training_data/finetune/alpaca_gpt4_data.json \
  --tokenizer-name-or-path /home/ma-user/ws/tokenizers/Qwen-14B \
  --output-prefix /home/ma-user/ws/processed_for_ma_input/Qwen-14B/data/finetune/alpaca_ft \
  --workers 8 \
  --log-interval 1000 \
  --tokenizer-type PretrainedFromHF \
  --handler-name GeneralInstructionHandler \
  --make-vocab-size-divisible-by 128 \
  --seq-length 4096 \

数据处理完后，在/home/ma-user/ws/processed_for_ma_input/Qwen-14B/data/finetune/目录下生成转换后的数据文件。

上一篇：AI开发平台MODELARTS-SFT微调数据处理:数据预处理

下一篇：AI开发平台MODELARTS-SFT微调数据处理:数据预处理