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
8aabd2fc
C
chatCSDN
项目概览
CSDN 技术社区
/
ai
/
chatCSDN
通知
108
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
8aabd2fc
编写于
3月 20, 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
opt ppo model
上级
9463b004
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
2 addition
and
7 deletion
+2
-7
src/rlhf/ppo.py
src/rlhf/ppo.py
+2
-7
未找到文件。
src/rlhf/ppo.py
浏览文件 @
8aabd2fc
...
...
@@ -323,10 +323,8 @@ class RLHF(pl.LightningModule):
def
generate
(
self
,
max_seq_len
,
*
args
,
prompt
,
num_samples
=
4
,
# sample 4 per prompt and select the one with highest reward
**
kwargs
num_samples
=
4
# sample 4 per prompt and select the one with highest reward
):
''' 未参与训练,仅推理时使用
'''
...
...
@@ -344,10 +342,8 @@ class RLHF(pl.LightningModule):
_
)
=
self
.
actor_critic
.
generate
(
prompt
,
*
args
,
max_seq_len
=
max_seq_len
,
return_values
=
False
,
**
kwargs
return_values
=
False
)
rewards
=
self
.
reward_model
(
...
...
@@ -468,7 +464,6 @@ class RLHF(pl.LightningModule):
rearrange
(
state
,
'n -> 1 n'
),
max_seq_len
=
self
.
args
.
ctx_len
,
eos_token
=
eos_token
,
temperature
=
temperature
,
return_values
=
True
)
action_logits
=
shift
(
action_logits
,
shift
=
1
,
dim
=
-
2
)
# need to shift along sequence dimension by 1, since actions start from the last prompt (state) token
...
...
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