跳到主要内容

1 篇博文 含有标签「llama2」

查看所有标签

· 6 分钟阅读

Meta Llama 2 一经发布就吸引了全世界的目光,Starwhale 特别制作了 Llama 2-Chat 和 Llama 2-7b模型包。只需5分钟,您就可以在 https://cloud.starwhale.cn 上和 Llama 2-Chat 进行对话。

后续我们也将提供Llama 2-13b 和 Llama 2-70b 的模型包,感兴趣的朋友们请持续关注!

下文将为大家详细介绍什么是 Llama 2,什么是 Starwhale 以及如何使用 Starwhale 运行 Llama 2-Chat。

什么是 Llama 2

Llama 2 系列模型是一组使用了优化的自回归 Transformer 架构的大语言模型,经过了预训练和微调,包含70亿、130亿和700亿三种参数版本。此外,Meta还训练了 340亿参数版本,但并未发布,相关数据在论文中有体现。

预训练:相比 Llama 1, Llama 2 的训练数据多了40%,用了2万亿个tokens进行训练,而且上下文长度是 Llama 1 的两倍,达到4096。Llama 2 适合用于各种自然语言生成任务。

image

Meta将 Llama 2-70b 的结果与闭源模型进行了比较,在 MMLU 和 GSM8K 上的表现接近 GPT-3.5, 但在编码基准上存在显著差异。此外,几乎所有基准上, Llama 2-70b 的结果与谷歌 PaLM-540 b 持平或表现更好,与 GPT-4 和 PaLM-2-L 的性能仍存在较大差距。

image

微调:Llama 2-Chat 是基于Llama 2 针对聊天对话场景微调的版本,使用 SFT (监督微调) 和 RLHF (人类反馈强化学习)进行迭代优化,以便更好的和人类偏好保持一致,提高安全性。微调数据使用了包括公开可用的指令数据集,以及一百多万新的人工标注样本。Llama 2-Chat 可用于类似助理的聊天。下图展示了单轮和多轮对话的违规百分比,与基线相比,Llama 2-Chat 在多轮对话中表现尤其良好。

image

什么是 Starwhale

Starwhale是一个MLOps平台,提供MLOps全流程解决方案,能够让开发者和企业高效便捷地进行模型托管、运行、评测、部署及数据集管理等。用户可以根据自己的需要,选择 Standalone、Server 或者 Cloud 任意一版使用,详细说明可参考文档什么是Starwhale

如何使用 Starwhale Cloud 运行 Llama 2-Chat

基本流程:登录账号 → 创建项目 → 运行模型 → 进行对话

一. 登录

首先,需要登录Starwhale平台,点击跳转登录入口。如您尚未注册,可点击 注册入口 进行注册。

二. 创建项目

成功登录后进入项目列表页,点击右上角的创建项目按钮,输入项目名称,点击 提交 按钮即可新建一个项目。

image

image

三. 运行模型

进入作业列表页,点击右上角的创建任务按钮。

1) 选择运行资源,可以选择 A100 80G1(推荐) 或者 A10 24G1 2) 选择模型:starwhale/public/llama2-7b-chat/ki72ulaf(latest) 3) 选择handler:运行对话模型,选择默认项:evaluation:chatbot 4) 选择运行时:选择默认项,内置 5) 高级配置,打开自动释放开关:可设置任务自动释放时长,达到设置时长,系统会自动取消任务运行。如不设置自动释放,您可以在体验完成后手动取消任务。

点击提交即可运行模型

image

四. 查看运行结果和日志

作业列表页可以查看项目中的所有作业。

image

点击作业ID ,进入任务详情页,点击查看日志可查看

从任务提交到模型运行起来,总计用时5分04秒

image

运行成功后返回任务列表,点击终端按钮,可打开 chatbox 页面,在 chatbox 页面和 Llama 2-Chat 对话

image

image

以上就是关于如何使用 Starwhale Cloud 运行 Llama 2-Chat 的说明,如果您在使用过程中有任何问题欢迎私信留言。您也可以通过Starwhale官网了解更多信息,感谢您的关注和支持。