模型介绍
中文整理Clone with HTTP
介绍
本模型是基于InternLM2-chat-7B预训练模型，通过 XiaChuFang Recipe Corpus食谱语料库进行FineTune，训练出来的微调模型。
使用了150万个菜谱进行了1个epoch的训练。
模型描述
本模型是用于实现咨询菜谱的对话。
期望模型使用方式以及适用范围
使用gradio或者streamlit调用就行了。本地也可以直接使用命令行方式调用。
如何使用
命令行一个典型的方式就是编辑一个cli demo.py的文件：
然后 python cli demo.py即可。
训练数据介绍
XiaChuFang Recipe Corpus
● 发布方**：清华大学,百度,北京通用人工智能研究院
● 发布时间**：2020
● 简介**： 完整的食谱语料库包含1,520,327种中国食谱。其中，1,242,206食谱属于30,060菜肴。一道菜平均有41.3个食谱。食谱的平均长度是224个字符。最大长度为62,722个字符，最小长度为10个字符。食谱由415,272位作者贡献。其中，最有生产力的作者上传5,394食谱。我们提供脱敏的作者信息。
● 下载地址**： https://opendatalab.org.cn/XiaChuFang Recipe Corpus
● 论文地址**： https://arxiv.org//pdf/2210.114
模型训练流程
本项目使用 xtuner0.1.13 训练，在 internlm2-chat-7b 上进行微调，模型地址
- 微调方法如下
- --deepspeed 表示使用 DeepSpeed 🚀 来优化训练过程。XTuner 内置了多种策略，包括 ZeRO-1、ZeRO-2、ZeRO-3 等。如果用户期望关闭此功能，请直接移除此参数。
- 将保存的 .pth 模型（如果使用的DeepSpeed，则将会是一个文件夹）转换为 LoRA 模型：
- 将LoRA模型合并入 HuggingFace 模型：
数据评估及结果
后续补?
相关论文以及引用信息
后续补?
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。