Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
CSDN 技术社区
ai
chatCSDN
提交
5bac191b
C
chatCSDN
项目概览
CSDN 技术社区
/
ai
/
chatCSDN
通知
107
Star
8
Fork
2
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
C
chatCSDN
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
提交
5bac191b
编写于
3月 10, 2023
作者:
U
u010280923
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
bug fixed
上级
142305ef
变更
2
显示空白变更内容
内联
并排
Showing
2 changed file
with
6 addition
and
5 deletion
+6
-5
src/rlhf/reward.py
src/rlhf/reward.py
+6
-2
train_rm.py
train_rm.py
+0
-3
未找到文件。
src/rlhf/reward.py
浏览文件 @
5bac191b
...
...
@@ -18,7 +18,6 @@ from einops import rearrange, repeat, reduce, pack, unpack
from
einops.layers.torch
import
Rearrange
,
Reduce
from
src.rlhf.utils
import
masked_mean
,
gumbel_sample
# from src.model import RWKV
from
src.model
import
RWKV
# helper functions
...
...
@@ -28,7 +27,7 @@ def exists(val):
# loss function
def
loss_function
(
prefer_reward
,
alter_reward
):
return
-
torch
.
mean
(
torch
.
log
(
torch
.
sigmoid
(
alter_reward
-
pref
er_reward
)))
return
-
torch
.
mean
(
torch
.
log
(
torch
.
sigmoid
(
prefer_reward
-
alt
er_reward
)))
# Reward Model - RWKV with a scalar head
...
...
@@ -195,4 +194,9 @@ class RewardModel(pl.LightningModule):
return
loss
def
training_step_end
(
self
,
batch_parts
):
all
=
self
.
all_gather
(
batch_parts
)
if
self
.
trainer
.
is_global_zero
:
self
.
trainer
.
my_loss_all
=
all
train_rm.py
浏览文件 @
5bac191b
...
...
@@ -221,9 +221,6 @@ if __name__ == "__main__":
########################################################################################################
# 训练 RM 模型
def
loss_function
(
prefer_reward
,
alter_reward
):
return
-
torch
.
mean
(
torch
.
log
(
torch
.
sigmoid
(
alter_reward
-
prefer_reward
)))
import
torch
from
tqdm
import
tqdm
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录