0. 设置API Key

在操作前需要在系统环境变量里加入OpenAI的 API Key（变量名：OPENAI_API_KEY）。
API Key获取：https://platform.openai.com/account/api-keys

在这里插入图片描述

Linux可以直接用以下指令在终端里添加：

export OPENAI_API_KEY="自己的API_KEY"

1. 安装OpenAI-CLI工具

这里直接在 Python 环境里 pip 安装 openai 库就可以了。

但是！ 官方的指令是 pip install --upgrade openai ，直接装的话可能会出现后续在终端里输入 openai指令的时候提示 'openai' 不是内部或外部命令，也不是可运行的程序或批处理文件。

可靠的做法是指定版本安装：pip install openai==0.27.6

在这里插入图片描述

2. 处理自己的数据集

OpenAI要求的数据格式是 jsonl （一行一行的json数据） json 里两个key分别是 prompt 和
completion，分别表示模型输入和输出的文字。
{
     
     "prompt": "<prompt text>", "completion": "<ideal generated> text>"} 
{
     
     "prompt": "<prompt text>", "completion": "<ideal generated> text>"} 
{
     
     "prompt": "<prompt text>", "completion": "<ideal generated> text>"} 
... 
数据规范（可以改善模型性能）：

每个 prompt 应以固定的分隔符结尾，以通知模型 prompt 的结束和 completion 的开始。一个通常效果不错的简单分隔符是 \n\n###\n\n。分隔符不应在任何 prompt 中的其他位置出现。

每个 completion 应以空格开头，因为我们的分词将大多数单词与前导空格一起分词。

每个 completion 应以固定的停止序列结尾，以通知模型完成的结束。停止序列可以是 \n、### 或不在任何 completion 中出现的标记。

对于推理，您应该以与创建训练数据集时相同的方式对 prompt 进行格式化，包括相同的分隔符。还要指定相同的停止序列，以正确截断 completion 部分。

准备好自己的数据，可以利用 openai 的工具快捷将数据处理成上述的 JSONL 的格式。
自己的数据文件格式支持：CSV, TSV, XLSX, JSON 和 JSONL。

以csv为例，我们需要把数据处理成两列，分别是 prompt 和 completion。（注意：表头不能少）

prompt,completion
问题1,回答1
问题2,回答2
问题n,回答n

在这里插入图片描述

之后，在终端内调用 openai 的数据处理指令：

openai tools fine_tunes.prepare_data -f <处理好的数据文件路径>

如：openai tools fine_tunes.prepare_data -f lawzhidao_QA.csv

在这里插入图片描述

过程中会有几个选项让选择，根据自己的需求输入 y/n 就可以了。

处理完成后，会在数据目录下生成一个jsonl的文件，就是OpenAI微调需要的格式文件了。

3. 模型微调

OpenAI目前支持微调的模型有 ada, babbage, curie, davinci 四种，模型参数量依次增大。微调和调用价格表如下：
在这里插入图片描述
目前支持微调的模型列表里是没有 ChatGPT 的，所以 “基于ChatGPT微调” 的说法严格来说是错误的，目前实现不了，只能基于更基础的模型进行微调。（这些模型都是基于GPT-3的）

创建微调模型指令：

openai api fine_tunes.create -t <上面处理好的jsonl文件路径> -m <微调的模型名> --suffix "自定义微调后的模型名（可选项）"

如：openai api fine_tunes.create -t lawzhidao_QA_prepared.jsonl -m ada --suffix "law-QA" (–suffix指令非必需）

PS：此步骤需要调用OpenAI的服务器，需要开启加速代理。如果开启代理后终端内仍然无法访问OpenAI，可以在终端里再配置下代理
set http_proxy=https://<proxy_server>:<proxy_port>
set https_proxy=https://<proxy_server>:<proxy_port>
如：
set http_proxy=http://127.0.0.1:2802
set https_proxy=http://127.0.0.1:2802

在这里插入图片描述

微调过程中如果连接中断可以使用openai api fine_tunes.follow -i 任务ID 来继续查看任务进度，OpenAI会有提示，如上图。

在这里插入图片描述

等待一定的时间后，微调完成会返回微调好的模型名。

在这里插入图片描述

4. 模型调用

微调完后，可以通过返回的模型名进行调用了，调用方式和 ChatGPT 差不太多。

Python为例：

import openai

openai.api_key = "sk-xxxxxxxxxxxxxxxxxxx"

def fine_tuned(prompt):
    completion = openai.Completion.create(
        model='ada:ft-personal:law-qa-2023-06-16-05-26-39',  # 微调后的模型名
        prompt=prompt,        
        max_tokens=9999  # 模型回复最大token数
    )
    print(completion.choices[0].text)
    
if __name__ == '__main__':
    while True:
      fine_tuned(input(">> "))

在这里插入图片描述

附：

openai.Completion.create参数说明：https://platform.openai.com/docs/api-reference/completions/create
OpenAI API调用价格：https://openai.com/pricing
OpenAI Fine Tuning：https://platform.openai.com/docs/guides/fine-tuning
翻译版：http://e.betheme.net/article/show-1459696.html

基于OpenAI（ChatGPT）进行模型微调的详细步骤

目录

0. 设置API Key

1. 安装OpenAI-CLI工具

2. 处理自己的数据集

3. 模型微调

4. 模型调用

猜你喜欢