大语言模型之dolly（ChatGPT平替版）评测,含安装说明哦！

一 起因

ChatGPT的大火让许多人意识到只要模型足够大，数据足够多，机器完全能够通过图灵测试，实现与人类沟通的意愿。然而，一方面由于ChatGPT太过于消耗算力，常人消耗不起，另一方面，openAI公司也并没有开源ChatGPT的算法，这导致许多人无法定制个性化的ChatGPT。好在，还是有许多有识之士在降低定制化ChatGPT的门槛。这里，我将介绍一个开源的模型dolly，仅仅一张3060Ti，我们就可以实现穷人版的ChatGPT。

二 正文

2.1 模型地址

那么，首先最重要的事情，必然是介绍这个模型的网址啦

2.2 该模型简介

Databricks 的 Dolly 是一种遵循指令的大型语言模型，在已获得商业使用许可的 Databricks 机器学习平台上进行训练。基于 pythia-12b，Dolly 在 InstructGPT 论文的能力域中接受了 Databricks 员工生成的约 15k 指令/响应微调记录 databricks-dolly-15k 的训练，包括头脑风暴、分类、封闭 QA、生成、信息提取、开放 QA 和总结。dolly-v2-12b 不是最先进（虽然不是最先进的，但是我认为该模型在打破ChatGPT科技垄断方面的意义举足轻重）的模型，但确实表现出令人惊讶的高质量指令遵循行为，而不是它所基于的基础模型的特征。Databricks 致力于确保每个组织和个人都能从人工智能的变革力量中受益。Dolly 模型系列代表了我们在这一旅程中迈出的第一步，我们很高兴与全世界分享这项技术（这才是开源世界的精神，当然，我也还是继续该模型在开源的基础上进行商业化，毕竟不商业化的体系都走不长远）。该模型可在 Hugging Face 上以 databricks/dolly-v2-12b 的形式获得。

2.3 模型构建

那么，接下来，就要介绍如何使用这一模型来进行我们私人的ChatGPT构建了。至于torch包的安装，读者可以见这篇推文《docker镜像之RoseTTAFold运用》PS:首先，如果读者手中的显卡运算能力低于3060Ti，建立运行databricks/dolly-v2-3b，因为12b需要的并行运算能力要高于3060Ti。其次，建议读者使用仓库作者提供的建议，运行torch.float16选项将数据压缩，否则，即使是3060Ti也无法满足模型加载需求。

之后，你就可以使用该模型来回答一系列的问题了。下面则是笔者询问的问题以及回答的答案。

需要注意的是，笔者并未对模型进行训练，而是使用仓库作者提供的微调模型直接进行使用的。

2.4 模型构建过程中遇到的问题

第一个错误

这是因为模型训练的时候使用了GPU和CPU两个单元，更改此错误的方法是构建模型的时候（pipeline）使用device参数，而不是device_map参数，并且device通过device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")指定

第二个错误

这个是因为我们使用的dolly-v2-3b模型并不是使用于仓库作者提出的torch.bfloat16数据压缩，而是使用torch.float16压缩即可
2.5 模型训练

至于为什么不从头训练来定制个私人贾维斯呢，主要也是因为穷。下面是仓库作者提供的训练过程

** 使用 4 个 A10（一张1.98万），一个 epoch 大约需要 7 个小时。

** 使用 8 个 V100（一张3到4万），一个 epoch 大约需要 3.5 小时。

或许啥时候显卡单价下降，笔者或许可以考虑摸透这个并继续出个教程哈。目前则是吃土都不够用来训练的，哈哈。

三 惯例小结

其实，笔者认为只有百家争鸣的AI竞赛才是真正有利于人类发展的AI发展模式，一家独家的AI发展则或造成技术垄断。然而，AI技术的发展或者不像其他行业，强者只会越来越强，弱者只会被直接淘汰，未来或许只有两到三家能够提供全方位的AI服务。不过，或者随着开源精神的深入人心，或许AI带来的技术垄断也能够被轻易化解也并非天方夜谭。PS: 希望普惠众人的定制版ChatGPT早点出现，这样科研民工或许可以少一点论文写作的烦恼！！这样，每个人都能拥有自己写作风格（避免重复）且不会出现语法错误（无需润色）的论文撰写助手了

四 公众号其他资源（方便读者使用）

本公众号开发的相关软件，Multi-omics Hammer软件和Multi-omics Visual软件欢迎大家使用。

Multi-omics Hammer软件下载地址：

https://github.com/wangjun258/Multi-omics-Hammer

Multi-omics Visual软件下载地址：https://github.com/wangjun258/Multi_omics_Visual/releases/tag/Multi_omics_Visual_v1.03

PS：因为本软件是用python脚本撰写，调用了部分依赖包，用户首次使用需要安装python以及对应的包，安装之后便可永久使用。

下面是本号在其他平台的账户，也欢迎大家关注并多提意见。

简书：WJ的生信小院

公众号：生信小院

博客园：生信小院

最后，也欢迎各位大佬能够在本平台上：1传播和讲解自己发表的论文；2：发表对某一科研领域的看法；3：想要达成的合作或者相应的招聘信息；4：展示自己以寻找博后工作或者博士就读的机会;5:博导提供博后工作或者博士攻读机会，都可以后台给笔者留言。希望本平台在进行生信知识分享的同时，能够成为生信分析者的交流平台，能够实现相应的利益互补和双赢（不一定能实现，但是梦想总得是有的吧）。 

五 封面图