文章目录
- 一、计划
- 二、模块划分
- 1. nlp领域
- (1). ChatGLM-6B
- (2). LLaMA
- (3). Mistral 7B
- (4).Mistral-8x7B
- 2. 知识图谱
- (1.)信息抽取
- (2.)实体识别关系抽取数据集
- (3.)一些较为完成的图谱项目
- (4.)阿里藏经阁
- (5.)构建知识图谱大模型 东北大学
- 3. 语音识别
- (1).Whisper
- 4. 文本生成3D
- (1). Shap-E
- 二、模型下载的常见方法
- 1、Hugging http://face.cn上手动下载模型及其文件,
- 2、阿里的modelscope上下载,
- 3、huggingface的镜像网站aliendao网站下载,
- 4、huggingface的镜像网站
一、计划
现在大模型比较多,平时需要调试对比,就把这些大模型简单一个收集。
不断收集,不断学习
目前,开原模型较多,一些能力弱的,没啥意义
基座模型通常指的是一个通用的、预先训练好的语言模型,如GPT-3.5。这种模型在各种自然语言处理任务中表现出色,可以用作其他更具体任务的基础。对话模型则是专门针对对话系统设计的模型,用于理解和生成对话。这些模型通常会在大规模对话数据上进行预训练,以便更好地理解和生成自然对话。
在实际场景中,通常会使用基座模型进行微调,以适应特定的任务或领域。基座模型已经在大规模的通用语言数据上进行了预训练,因此可以作为一个良好的起点,然后通过微调来使其适应特定的应用场景。
对话模型通常已经在对话数据上进行了预训练,因此在构建对话系统或进行对话相关的任务时,可以使用对话模型进行微调,以使其更好地理解和生成自然对话。
无论是使用基座模型还是对话模型进行微调,都需要根据具体的应用场景和任务需求来选择合适的模型,并进行相应的微调工作
二、模块划分
1. nlp领域
(1). ChatGLM-6B
- ChatGLM-6B
- ChatGLM2-6B
- GLM2-6b 的第三方下载地址
- GLM2-6b int4 第三方下载
- GLM2-6b-32k 第三方下载
- GLM2-6b-32k-int4 下载
- GLM-6b 的第三方下载地址
- GLM-6b-int8 的第三方下载地址
- GLM-6b-int4 的第三方下载地址
ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本,在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上,ChatGLM2-6B 引入了如下新特性:
GLM 多卡部署
(2). LLaMA
mata官方地址
Chinese-LLaMA-Alpaca
Chinese-Llama-2系列-三方下载
Atom-7B-Chat-三方下载
Chinese-7b-Chat-三方下载
Llama2-Chinese-13b-Chat-三方下载
Llama2-Chinese-13b-Chat-4bit
本项目开源了中文LLaMA模型和指令精调的Alpaca大模型,以进一步促进大模型在中文NLP社区的开放研究。这些模型在原版LLaMA的基础上扩充了中文词表并使用了中文数据进行二次预训练,进一步提升了中文基础语义理解能力。同时,中文Alpaca模型进一步使用了中文指令数据进行精调,显著提升了模型对指令的理解和执行能力。
LLMA 安装部署
(3). Mistral 7B
号称:目前为止最好的 7B 模型
Mistral 7B
(4).Mistral-8x7B
性能超越 Llama2-65B
A微调Mistral-8x7B
2. 知识图谱
(1.)信息抽取
- 通用信息抽取 UIE(Universal Information Extraction)
UIE(Universal Information Extraction):Yaojie Lu等人在ACL-2022中提出了通用信息抽取统一框架UIE。该框架实现了实体抽取
、关系抽取
、事件抽取
、情感分析
等任务的统一建模,并使得不同任务间具备良好的迁移和泛化能力。为了方便大家使用UIE的强大能力,PaddleNLP借鉴该论文的方法,基于ERNIE 3.0知识增强预训练模型,训练并开源了首个中文通用信息抽取模型UIE。该模型可以支持不限定行业领域和抽取目标的关键信息抽取,实现零样本快速冷启动,并具备优秀的小样本微调能力,快速适配特定的抽取目标。 - 开放域文本理解大模型
SeqGPT是一个不限领域的文本理解大模型。无需训练,即可完成实体识别
、文本分类
、阅读理解
等多种任务。该模型基于Bloomz在数以百计的任务数据上进行指令微调
获得。模型可以在低至16G显存
的显卡上免费使用。
github地址
(2.)实体识别关系抽取数据集
多领域数据集
(3.)一些较为完成的图谱项目
项目地址
(4.)阿里藏经阁
藏经阁
在商业知识图谱数据开放基础之上,我们还开放了部分知识图谱技术平台能力,开源了若干知识图谱构建、融合、推理和应用工具,以促进知识图谱技术社区的发展。
DeepKE
DeepKE 是一个支持低资源、长篇章的知识图谱抽取工具,用户可以定制输入的数据集和模型实现命名实体识别、关系抽取、属性抽取等知识图谱构建功能。NeuralKG
是一个通用的知识图谱神经网络表示学习工具,其包含常用的知识图谱嵌入模型、基于图神经网络的图谱推理模型,以及多个规则增强推理模型OpenUE
OpenUE是一个轻量级知识图谱抽取工具,其实现了在一个统一通用的框架下实现实体关系、事件识别、以及槽位和意图抽取等多种知识图谱构建任务。PromptKG
PromptKGC(Incoming)是一个基于Pretrain-Prompt-Fitune预训练范式的知识图谱抽取和补全工具,支持文本生成等多种应用和任务。FastKGE
是一个轻量级知识图谱表示学习框架,其通过知识图谱蒸馏等方法,实现快速、高效的实体向量学习,可支持知识图谱模型的快速部署,以及在移动、边缘设备应用部署。
(5.)构建知识图谱大模型 东北大学
构建知识图谱大模型
TechGPT是“东北大学知识图谱研究组”发布的垂直领域大语言模型。目前在HuggingFace: TechGPT-7Bneukg/TechGPT-7B开源了全量微调的7B版本。
TechGPT主要强化了如下三类任务:
以“知识图谱构建”为核心的关系三元组抽取等各类信息抽取
任务
以“阅读理解”为核心的各类智能问答
任务。
以“文本理解”为核心的关键词生成
等各类序列生成任务。
摘要缩写,标题扩写
3. 语音识别
(1).Whisper
是一个通用的语音识别模型,可以执行多语言语音识别、语音翻译和语音识别
Whisper
4. 文本生成3D
(1). Shap-E
以文本或者图像为基础生成3D
Shap-E
二、模型下载的常见方法
因为大模型动辄十几GB的大小,因为对于开发人员来说,环境搭好了,模型还要好几个小时。
模型下载的四种方式:
1、Hugging http://face.cn上手动下载模型及其文件,
因为国内对该网站不开放,需挂vpn下载,因为外网下载,所以速度依赖于你的外网网速
下载地址
2、阿里的modelscope上下载,
无需vpn,如果你的网速还行,建议这种方式,首先需要安装modelscope:pip install modelscope
# 从modelscope上下载模型from modelscope.hub.snapshot_download import snapshot_downloadmodel_dir = snapshot_download('baichuan-inc/baichuan-7B', cache_dir='./model', revision='master')如果你网速很好,下载就很快,如果是kb/s,那么大文件下载会失败。
3、huggingface的镜像网站aliendao网站下载,
无需vpn,非开发者需手动下载互链高科 (非开发者或者怕麻烦可以直接去网站手动下载)
开发者在aliendao的下载器上下载 下载地址
# 开发者可以直接看这里,这里的操作是在你已经有了一个python3.7以上的环境下,可以直接下述操作# 如果你没有的话,移步 https://github.com/git-cloner/aliendaogit clone https://github.com/git-cloner/aliendaocd aliendaopip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple --trusted-host=pypi.mirrors.ustc.edu.cn# 带上mirror参数,优先从aliendao.cn镜像下载python model_download.py --mirror --repo_id baichuan-inc/Baichuan2-13B-Chat-4bits让公司的运维测了,aliendao的带宽很慢,即便你的网速很快,速度也非常一般,而且这个网站模型不全。
4、huggingface的镜像网站
镜像网址
网速很快,公司运维有测到4M/s,非常推荐用这个网站直接下载
备注:huggingface的镜像网站下载llama2系列模型如何加认证的信息
加 huggingface access token
就可以下载,wget --header="Authorization: Bearer " url
,如果是git clone
,则提示输密码时输入access token
。