RISC-V 跑大模型（三）：LLaMA中文扩展

这是RISC-V跑大模型系列的第三篇文章，前面我们为大家介绍了如何在RISC-V下运行LLaMA，本篇我们将会介绍如何为LLaMA提供中文支持。

1.模型扩充

以下步骤在X86下进行：

1.1准备工作

安装最新版本的python和以下依赖库。

pip install protobuf==3.20.0	结构化数据存储格式
pip install transformers	把原版模型转换为HF格式
pip install sentencepiece	无监督的文本标记器和去标记器
pip install peft	使用LoRA的工具

1.2模型下载

下载LLaMA原版模型和中文扩充

LLaMA原版模型：

https://ipfs.io/ipfs/Qmb9y5GCkTG7ZzbBWMu2BXwMkzyCKcUjtEKPpgdZ7GEFKm/

中文扩充：

https://huggingface.co/ziqingyang/chinese-alpaca-lora-7b

下载后的目录如下：

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1.3合并模型

(1) 将LLaMA原版模型转换为Huggingface格式。这一步需要借助transformers提供的脚本convert_llama_weights_to_hf.py。

下载链接：https://github.com/huggingface/transformers/blob/main/src/transformers/models/llama/convert_llama_weights_to_hf.py

请执行以下命令:

python convert_llama_weights_to_hf.py --input_dir path_to_original_llama_root_dir --model_size 7B --output_dir path_to_original_llama_hf_dir

命令解释：将原版LLaMA的tokenizer.model放在--input_dir指定的目录，其余文件放在${input_dir}/${model_size}下。执行以下命令后，--output_dir中将存放转换好的Huggingface版权重。

(2) 合并LoRA权重，生成Huggingface全量模型，这一步需要借助：merge_llama_with_chinese_lora.py。

下载链接：

https://github.com/ymcui/Chinese-LLaMA-Alpaca/blob/main/scripts/merge_llama_with_chinese_lora.py

执行命令:

python merge_llama_with_chinese_lora.py --base_model path_to_original_llama_hf_dir --lora_model chinese-alpaca-lora-7b --output_dir path_to_output_dir

命令解释：这一步的参数可以参照上一步。

2.移植模型

在完成前面的步骤后会得到一个path_to_output_dir的目录，目录内容如下：

将目录下的consolidate.00.path和params.json上传到RISC-V中的llama.cpp/models目录下，这一步可以借助scp来实现：scp “源文件路径” 账户@地址:目的路径。之后的步骤可以参考本系列的第二篇文章。链接如下：RISC-V 跑大模型（二）：LLaMA零基础移植教程

最后的运行效果：

3.结语

我们也为大家准备好已经扩展了中文的LLaMA供大家使用，只要扫描下面的二维码，进群即可获得下载地址。之后我们还会对LLaMA进行优化加速，敬请期待。

另外，RISC -V跑大模型系列文章计划分为四期：

1. RISC -V跑大模型（一）

2.RISC-V 跑大模型（二）：LLaMA零基础移植教程

3.RISC-V跑大模型（三）：LLaMA中文扩充（本篇）

4.更多性能优化策略。（计划）

审核编辑 黄宇