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
ade381c4
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
ade381c4
编写于
3月 20, 2023
作者:
每日一练社区
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
fix bug
上级
a532f71e
变更
3
隐藏空白更改
内联
并排
Showing
3 changed file
with
4 addition
and
5 deletion
+4
-5
src/model.py
src/model.py
+1
-1
src/rlhf/ppo.py
src/rlhf/ppo.py
+2
-3
train_ppo.py
train_ppo.py
+1
-1
未找到文件。
src/model.py
浏览文件 @
ade381c4
...
...
@@ -517,7 +517,7 @@ class RWKV(pl.LightningModule):
sample_num_times
=
max
(
1
,
seq_len
-
prompt
.
shape
[
-
1
])
for
_
in
wrapper_fn
(
range
(
sample_num_times
)):
logits
,
embeds
=
self
.
forward
(
out
,
return_logits_with_embedding
=
True
,
**
kwargs
)
logits
,
embeds
=
self
.
forward
(
out
,
ppo_train
=
True
)
logits
,
embeds
=
logits
[:,
-
1
],
embeds
[:,
-
1
]
if
exists
(
filter_logits_fn
):
...
...
src/rlhf/ppo.py
浏览文件 @
ade381c4
...
...
@@ -30,7 +30,7 @@ from src.rlhf.reward import RewardModel
from
src.rlhf.optimizer
import
get_optimizer
from
src.rlhf.utils
import
masked_mean
,
eval_decorator
# actor critic
- rwkv with lora
# actor critic
PPOActionCriticReturn
=
namedtuple
(
'PPOActionCriticReturn'
,
[
'actions'
,
...
...
@@ -82,7 +82,6 @@ class ActorCritic(nn.Module):
max_seq_len
,
prompt
=
state
,
eos_token
=
eos_token
,
finetune_scope
=
self
.
actor_lora_scope
,
use_tqdm
=
True
,
**
kwargs
)
...
...
@@ -454,7 +453,7 @@ class RLHF(pl.LightningModule):
return
{
'actor_loss'
:
actor_loss
.
item
(),
'critic_loss'
:
critic_loss
.
item
()}
@
torch
.
no_grad
()
def
make_experience
(
self
,
prompts
,
eos_token
=
None
,
temperature
=
1
):
''' 通过与 environment 交互产生训练数据
'''
...
...
train_ppo.py
浏览文件 @
ade381c4
...
...
@@ -283,7 +283,7 @@ if __name__ == "__main__":
rwkv
.
load_state_dict
(
load_dict
)
# 加载 reward_model
reward_model
=
RewardModel
(
args
)
reward_model
=
RewardModel
(
args
,
rwkv
)
reward_model
.
load
(
args
.
load_rm_model
)
# PPO 模型
...
...
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