准备代码

|──llm_train                 # 模型训练代码包
          |──AscendSpeed         # 基于AscendSpeed的训练代码
                 |──ascendcloud_patch/   # 针对昇腾云平台适配的功能补丁包
                 |──scripts/             # 训练需要的启动脚本
                      |──llama2          # llama2系列模型执行脚本的文件夹
                      |──llama3          # llama3系列模型执行脚本的文件夹
                      |──qwen            # Qwen系列模型执行脚本的文件夹
                      |──qwen1.5         # Qwen1.5系列模型执行脚本的文件夹
                      |── ...
                      |── dev_pipeline.sh  # 系列模型共同调用的多功能的脚本
                      |── install.sh       # 环境部署脚本
|──llm_inference                     # 推理代码包
|──llm_tools                        # 推理工具

${workdir}（例如/home/ma-user/ws ）
|──llm_train                    #解压代码包后自动生成的代码目录，无需用户创建
      |── AscendSpeed              # 代码目录
              |──ascendcloud_patch/   # 针对昇腾云平台适配的功能代码包
              |──scripts/             # 各模型训练需要的启动脚本，训练脚本以分类的方式集中在scripts文件夹中。
# 数据目录结构
|── processed_for_input           #目录结构会自动生成，无需用户创建
      |── ${model_name}             # 模型名称
	      |── data              # 预处理后数据
		     |── pretrain   # 预训练加载的数据
		     |── finetune   # 微调加载的数据
	      |──converted_weights  # HuggingFace格式转换megatron格式后权重文件
|── saved_dir_for_output            # 训练输出保存权重，目录结构会自动生成，无需用户创建
      |── ${model_name}             # 模型名称
	      |── logs              # 训练过程中日志（loss、吞吐性能）
              |—— saved_models    
		     |── lora              # lora微调输出权重
		     |── sft               # 增量训练输出权重
		     |── pretrain          # 预训练输出权重
|── tokenizers                      #原始权重及tokenizer目录，需要用户手动创建，后续操作步骤中会提示
      |── Llama2-70B
|── training_data                   #原始数据目录，需要用户手动创建，后续操作步骤中会提示
      |── train-00000-of-00001-a09b74b3ef9c3b56.parquet  #原始数据文件
      |── alpaca_gpt4_data.json     #微调数据文件