站酷设计师网站,深圳定制建站,惠阳住房和建设局网站,三航奔腾建设有限公司官方网站karpathy/nanoGPT: The simplest, fastest repository for training/finetuning medium-sized GPTs. (github.com)
原有模型使用的莎士比亚的戏剧数据集, 如果需要一个写唐诗机器人#xff0c;需要使用唐诗的文本数据#xff0c;
一个不错的唐诗#xff0c;宋词数据的下载…karpathy/nanoGPT: The simplest, fastest repository for training/finetuning medium-sized GPTs. (github.com)
原有模型使用的莎士比亚的戏剧数据集, 如果需要一个写唐诗机器人需要使用唐诗的文本数据
一个不错的唐诗宋词数据的下载资源地址
https://github.com/chinese-poet
这个数据集里面包含搜集到的唐诗宋词元曲小说文本数据。 一 数据准备 1. 先下载全唐诗数据保存到 data/poemtext/tang-poetry下
2. 进行数据的预处理 format-data.py
# -*- coding: utf-8 -*-
import glob
import json
datas_jsonglob.glob(./tang-poetry/poet*.json) #1匹配所有唐诗json文件for data_json in datas_json[:]: #2处理匹配的每一个文件with open(data_json,r,encodingutf-8) as f:ts_data json.load(f)for each_ts in ts_data[:]: #3处理文件中每段数据只要五言诗和2句的paragraphs_list each_ts[paragraphs]if len(paragraphs_list) 2 and len(paragraphs_list[0])12 and len(paragraphs_list[1]) 12:with open(tang_poet.txt,a,encodingutf-8) as f2:f2.write(.join(paragraphs_list))f2.write(\n)f open(tang_poet.txt,r,encodingutf-8)
print(len(f.readlines()))
prepare.py
import os
import requests
import tiktoken
import numpy as np# download the tiny shakespeare dataset
input_file_path os.path.join(os.path.dirname(__file__), tang_poet.txt)
with open(input_file_path, r) as f:data f.read()
n len(data)
train_data data[:int(n*0.9)]
val_data data[int(n*0.9):]# encode with tiktoken gpt2 bpe
enc tiktoken.get_encoding(gpt2)
train_ids enc.encode_ordinary(train_data)
val_ids enc.encode_ordinary(val_data)
print(ftrain has {len(train_ids):,} tokens)
print(fval has {len(val_ids):,} tokens)# export to bin files
train_ids np.array(train_ids, dtypenp.uint16)
val_ids np.array(val_ids, dtypenp.uint16)
train_ids.tofile(os.path.join(os.path.dirname(__file__), train.bin))
val_ids.tofile(os.path.join(os.path.dirname(__file__), val.bin)) 二 配置文件准备
参考 train_shakespeare_char.py 三 开始训练
参考 train_shakespeare_char.py
# mac pro m1机器上
python3 train.py config/train_poemtext_char.py --devicemps --compileFalse --eval_iters20 --log_interval1 --block_size64 --batch_size12 --n_layer4 --n_head4 --n_embd128 --max_iters1000 --lr_decay_iters1000 --dropout0.0 四 生成唐诗
python3 sample.py --out_dirout-poemtext-char --devicemps参考
迷你版ChatGPT开源教你怎么用nanoGPT训练一个写小说的AI机器人 - 知乎 (zhihu.com)
Gpt进阶(二): 以古诗集为例,训练一个自己的古诗词gpt模型 - 知乎 (zhihu.com)
