chatgpt微调fine-tuning_chatgpt fine-tuning

openai/chatgpt微调/fine-tuning/测试用/投喂资源

微调涉及以下步骤：

准备训练数据： 链接: https://download.csdn.net/download/gujunsheng837735/87537800
直接下载可用

整理了chatgpt微调所需要的测试资源数据，按照fine-tuning的格式生成的数据集。可以直接 fine_tunes.create -t 使用。微调完毕后可以 -p 回答结果。其中包含三四百条数据。适合测试openai自定义模型的人群使用。

chatgpt微调适用于以下模型：davinci curie babbage ada。

第一步：安装 OpenAI 命令行界面 (CLI)

pip3 install --upgrade openai
1

第二步：

设置环境变量：OPENAI_API_KEY
export OPENAI_API_KEY=“sk-************************************************”

export OPENAI_API_KEY="sk-************************************************"
1

下载上面的准备训练数据
格式为：
{“prompt”: “”, “completion”: “”}
{“prompt”: “”, “completion”: “”}
{“prompt”: “”, “completion”: “”}
…

第三步（用上面的数据可跳过）：

openai tools fine_tunes.prepare_data -f /文件存放位置/json_prepared.jsonl 
1

它的作用是引导你完成建议的更改后，将输出保存到 JSONL 文件中。

第四步：

创建微调模型
使用 OpenAI CLI 启动微调：

openai api fine_tunes.create -t "/文件存放位置/json_prepared.jsonl" -m davinci --suffix "davinci model test01" 
1

-m:chatgpt微调适用于以下模型：davinci curie babbage ada。(不加m参数 默认是curie)
–suffix:自定义模型名称

刚刚的命令会执行这几项操作：

1. 第一次使用json_prepared.jsonl的时候会上传文件，如果下次依旧用这个文件训练其他模型的话，就不会重复上次了。
2. 创建微调任务
3. 传输过程直到完成(一般情况挺快的，但如果前面很多排队的，你就得慢慢等，自己训练数据量的大小也会影响速度)
4. 如果事件中断了，可以通过以下命令来恢复：

openai api fine_tunes.follow -i ft-************************
1

你的微调工作id：ft-************************

微调完成以后可以在命令行测试：

openai api completions.create -m davinci:ft-********:davinci-model-test01-2023-03-02-09-13-35 -p "小明的妈妈有三个儿子，大儿子叫大明，二儿子叫二明，三儿子叫什么。"
1

-m： 刚刚创建成功的微调模型名称
-p： 你要提问的问题