代码拉取完成,页面将自动刷新
CUDA_VISIBLE_DEVICES=0,1 torchrun --nproc_per_node 2 rl_training.py \
--model_type bloom \
--model_name_or_path bigscience/bloomz-560m \
--reward_model_name_or_path OpenAssistant/reward-model-deberta-v3-large-v2 \
--torch_dtype float16 \
--device_map auto \
--train_file_dir ./data/finetune \
--validation_file_dir ./data/finetune \
--batch_size 8 \
--max_source_length 256 \
--max_target_length 256 \
--max_train_samples 1000 \
--use_peft True \
--lora_rank 8 \
--lora_alpha 16 \
--lora_dropout 0.05 \
--do_train \
--max_steps 100 \
--learning_rate 1e-5 \
--save_steps 50 \
--output_dir outputs-rl-bloom-v1 \
--early_stopping True \
--target_kl 0.1 \
--reward_baseline 0.0
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。