zero to nlp

特点

1. 🎯目标：基于pytorch、transformers做中文领域的nlp开箱即用的训练框架，提供全套的训练、微调模型（包括大模型、文本转向量、文本生成、多模态等模型）的解决方案；
2. 💽数据：
   • 从开源社区，整理了海量的训练数据，帮助用户可以快速上手；
   • 同时也开放训练数据模版，可以快速处理垂直领域数据；
   • 结合多线程、内存映射等更高效的数据处理方式，即使需要处理百GB规模的数据，也是轻而易举；
3. 💻流程：每一个项目有完整的模型训练步骤，如：数据清洗、数据处理、模型构建、模型训练、模型部署、模型图解；
4. 🔥模型：当前已经支持gpt2、clip、gpt-neox、dolly、llama、chatglm-6b、VisionEncoderDecoderModel等多模态大模型；
5. 🚀多卡串联 ：当前，多数的大模型的尺寸已经远远大于单个消费级显卡的显存，需要将多个显卡串联，才能训练大模型、才能部署大模型。因此对部分模型结构进行修改，实现了训练时、推理时 的多卡串联功能。
6. ⚙️模型工具：添加了大模型的词表裁切和词表扩充 教程model_modify

目录

模型训练

分享transformers源码解读

一直在做transformers的源码解读，可以去B站查看视频👉良睦路程序员

分享数据

一直在整理开源数据，如果有需要，可以关注公众号统计学人，回复nlp数据即可。目前还在整理数据中